РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ В ОБЛАСТИ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
Аннотация
Тема данной работы- «Разработка информационной системы с применением нейронных сетей в области обработки изображений». В данной работе было проведено исследование и анализ различных типов нейронных сетей, были рассмотрены области применения, а также их процесс обучения. Помимо этого была создана и обучена на открытом наборе данных сверхточная нейросеть и было создано приложения для использования её пользователем.
Нейросеть была создана с помощью Jupyter Notebook на языке Python. Для этого использовались библиотеки TensorFlow и Keras. Задача нейросети была в выявлении наличия онкологического заболевания- меланомы. Для обучения нейронной сети так же был использован открытый набор данных Skin Cancer: Malignant vs. Benign. Полученный результат точности в 76% не намного отстает от полученного результата с использованием известных существующих нейронных сетей, таких как ResNet50 или MobileNet.
Создание приложение на основе модели обученной нейронной сети поваляет пользователю проверить собственное изображение и получить результат на основе его анализа. Данный способ может помочь в раннем выявлении рака кожи, однако на данном этапе не претендует на замену опытного дерматолога.
The topic of this paper is "Development of an information system using neural networks in the field of image processing." In this work, a study and analysis of various types of neural networks was carried out, areas of application were considered, as well as their learning process. In addition, an ultra-precise neural network was created and trained on an open data set, and applications were created for use by its user.
The neural network was created using Jupyter Notebook in Python. For this, the TensorFlow and Keras libraries were used. The task of the neural network was to detect the presence of an oncological disease - melanoma. To train the neural network, the open dataset Skin Cancer: Malignant vs. Benign. The obtained result of 76% accuracy is not far behind the result obtained using well-known existing neural networks such as ResNet50 or MobileNet.
Creating an application based on a trained neural network model will allow the user to check their own image and get a result based on its analysis. This method can help in the early detection of skin cancer, but at this stage it does not pretend to replace an experienced dermatologist.
Нейросеть была создана с помощью Jupyter Notebook на языке Python. Для этого использовались библиотеки TensorFlow и Keras. Задача нейросети была в выявлении наличия онкологического заболевания- меланомы. Для обучения нейронной сети так же был использован открытый набор данных Skin Cancer: Malignant vs. Benign. Полученный результат точности в 76% не намного отстает от полученного результата с использованием известных существующих нейронных сетей, таких как ResNet50 или MobileNet.
Создание приложение на основе модели обученной нейронной сети поваляет пользователю проверить собственное изображение и получить результат на основе его анализа. Данный способ может помочь в раннем выявлении рака кожи, однако на данном этапе не претендует на замену опытного дерматолога.
The topic of this paper is "Development of an information system using neural networks in the field of image processing." In this work, a study and analysis of various types of neural networks was carried out, areas of application were considered, as well as their learning process. In addition, an ultra-precise neural network was created and trained on an open data set, and applications were created for use by its user.
The neural network was created using Jupyter Notebook in Python. For this, the TensorFlow and Keras libraries were used. The task of the neural network was to detect the presence of an oncological disease - melanoma. To train the neural network, the open dataset Skin Cancer: Malignant vs. Benign. The obtained result of 76% accuracy is not far behind the result obtained using well-known existing neural networks such as ResNet50 or MobileNet.
Creating an application based on a trained neural network model will allow the user to check their own image and get a result based on its analysis. This method can help in the early detection of skin cancer, but at this stage it does not pretend to replace an experienced dermatologist.