Исследование модели нейронной сети с пространственным вниманием для классификации фракции щебня

Тряпицын Денис Леопольдович

Аннотация


Выпускная квалификационная работа магистра 54 стр., 31 рис., 5 таблиц, 41 источник.
КОМПЬЮТЕРНОЕ ЗРЕНИЕ, ФРАКЦИЯ ЩЕБНЯ, EFFICIENTNET, ПРОСТРАНСТВЕННОЕ ВНИМАНИЕ, LDAM, КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ
Цель данной работы заключается в исследовании моделей нейронных сетей для классификации фракций щебня в кузове грузовика, а также в улучшении точности прогнозирования по сравнению с существующими моделями.
Объект исследования: цифровые изображения щебня различных фракций в кузове грузовика.
Предмет исследования: метод классификации изображений, основанный на сверточной нейронной сети, предназначенный для автоматического определения фракции щебня.
В процессе исследования проводились: рассмотрение основных подходов классификации изображений горных пород и методов улучшения точности, таких как механизмы внимания, реализация экспериментов для оценки эффективности выбранных моделей.
По результатам проведенных экспериментов предлагается метод классификации фракции щебня на изображении с помощью архитектуры EfficientNet-B1 с использованием пространственного внимания (Spatial Attention), совмещенный с функцией потерь LDAM. Для обучения и тестирования модели использовался набор, предоставленный предприятием изготовителем щебня, из 635 изображений, разделенный на 7 фракций. Полученная модель показала высокую точность, достигнув уровня 97%.
Разработанный подход может быть адаптирован и применен в других областях, где требуется точная классификация объектов на основе изображений, таких как анализ геологических образований или распознавание различных материалов.