РАЗРАБОТКА АЛГОРИТМОВ И МЕТОДОВ РАСПОЗНАВАНИЯ ОБРАЗОВ И ОБРАБОТКИ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ И ПАРАЛЛЕЛЬНЫХ ТЕХНОЛОГИЙ Мелешко К.А.
студент 5 курса ВГУ имени П.М. Машерова, г. Витебск, Республика Беларусь Научный руководитель – Корчевская Е.А., канд. физ.-мат. наук, доцент
Одним из приложений компьютерной обработки данных является цифровая обработка изображений. Теоретические исследования в этой области начались в 1960-е гг. и основывались на методах улучшения качества изображения и задачах дистанционного зондирования. С течением времени область применения обработки изображений значительно расширилась. Так, в качестве одного из развивающихся направлений выделился анализ медицинских изображений.
Современные технические возможности позволяют значительно расширить круг исследований и открывают новые пути решения задач, касающихся анализа изображений. Использование средств автоматизации способствует повышению эффективности работы исследователя и получению более качественных и точных результатов измерения характеристик объектов медицинских изображений.
Цель данной работы – исследование возможностей создания автоматизированной системы по обработке и классификации цифровых изображений на основе многослойной многопоточной нейронной сети и многопоточных алгоритмов предварительной обработки изображений.
Для достижения цели необходимо решить задачи:
1. Выделение идентификационных показателей объекта.
2. Разработка многопоточных алгоритмов предварительной обработки изображений.
3. Многопоточная реализация многослойной нейронной сети
4. Обучение нейронной сети методом обратного распространения ошибки.
Материал и методы. Задача распознавания образов заключается в классификации некоторой группы объектов на основе определенных требований. Объекты, относимые к одному классу образов, обладают общими свойствами. В данной работе для распознавания образов используются нейронные сети.
Результаты и их обсуждение. Нейронные сети – это раздел искусственного интеллекта, в котором для обработки сигналов используются явления аналогичные происходящим в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями, что позволяет значительно ускорить процесс обработки информации. Кроме того, при большом числе межнейронных соединений сеть приобретает устойчивость к ошибкам, возникающим на некоторых линиях. Другое не менее важное свойство – способность к обучению и обобщению накопленных знаний. Нейронная сеть обладает чертами искусственного интеллекта. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся при ее обучении.
Были получены следующие результаты тестирование полученной реализации нейронной сети:
1) Для нейроcети с двумя скрытыми слоями:
| 1.17 | 1.95 | 2.86 | 5.9 | 10.24 | 15.85 | 22.93 | 32.31 | 43.34 | 57.82 | 73.28 |
| 1.17 | 1.89 | 2.54 | 4.54 | 6.68 | 9.91 | 13.72 | 18.75 | 24.98 | 31.88 | 39.88 |
| 1.13 | 2.29 | 2.59 | 4.39 | 5.56 | 7.45 | 9.96 | 13.83 | 17.49 | 22.01 | 28.74 |
| 1.36 | 2.89 | 3.34 | 4.8 | 5.58 | 7.47 | 9.74 | 12.83 | 16.16 | 19.79 | 24.15 |
2) Для нейроcети с тремя скрытыми слоями:
| 1.4 | 2.76 | 4.78 | 10.29 | 19.92 | 32.35 | 47.87 | 67.91 | 93.3 | 121.56 | 151.96 |
| 1.43 | 2.72 | 4.27 | 7.49 | 12.54 | 19.28 | 27.12 | 37.99 | 51.72 | 68.37 | 88.3 |
| 1.33 | 3.04 | 4.17 | 6.13 | 8.82 | 13.55 | 19.25 | 25.86 | 34.98 | 43.71 | 56.83 |
| 1.44 | 4.88 | 6.63 | 7.07 | 10.25 | 13.3 | 19.25 | 24.24 | 31.46 | 39.55 | 48.42 |
Заключение. В результате была создана автоматизированная система по обработке и классификации цифровых изображений на основе многослойной многопоточной нейронной сети и многопоточных алгоритмов предварительной обработки изображений. Данная система может использоваться в системах массовой обработки, где необходима быстрота обработки большого количества данных, с которыми не может справиться человек.
Литература
1. Абламейко, С.В. Обработка изображений: технология, методы, применение / С.В. Абламейко, Д.М. Лагуновский. – Минск: Амалфея, 2000. – 304 с.
2. Анисимов, Б.В. Распознавание и цифровая обработка изображений / Б.В. Анисимов. – М.: Высш. школа, 1983. – 295 с.
3. Балухто, А.Н. Нейрокомпьютеры в системах обработки изображений / А.Н. Балухто, В.И. Булаев. – М.: «Радиотехника», 2003. – 192 с.
ИНФОРМАЦИОННО-ПОИСКОВАЯ СИСТЕМА «УГОЛОВНО-ПРОЦЕССУАЛЬНЫЙ КОДЕКС РЕСПУБЛИКИ БЕЛАРУСЬ»
Овчинников В.Д., Маханьков А.В.
студенты 2 курса ВГУ имени П.М. Машерова, г. Витебск, Республика Беларусь Научный руководитель – Царев А.А., канд. физ.-мат. наук
Специалистами в области информационных технологий разрабатываются мобильные приложения, которые позволяют решать широкий спектр задач, например, создание 3D моделей, инженерных чертежей. Некоторые служат для того, чтобы устанавливать соединение с сетью. Другие помогают оптимизировать маршрут. Третьи предназначены для тех, кто ищет самые выгодные магазины. Есть и такие, с помощью которых можно заказать еду на дом. В основу каждого такого приложения входит простая определенная утилита, которая в результате позволяет быстро решать поставленную задачу, экономить время и достигать максимально комфортного уровня жизни.
Материалы и методы. Нами разработано мобильное приложение на языке Java, представляющее собой модель информационно-поисковой системы в основе которой лежит «Уголовно-процессуальный кодекс Республики Беларусь» (см. рис. 1). Приложения реализовано под операционную систему Android и находится в свободном доступе в магазине приложений Google Play Market.