ГЛУБОКОЕ ОБУЧЕНИЕ: ИСПОЛЬЗОВАНИЕ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ (CNN) ДЛЯ АНАЛИЗА ИЗОБРАЖЕНИЙ
Keywords:
глубокое обучение, свёрточные нейронные сети,, CNN,, анализ изображений, компьютерное зрение,, сегментация, классификацияAbstract
В данной работе рассматриваются основы и современные подходы к использованию свёрточных нейронных сетей (Convolutional Neural Networks, CNN) для анализа изображений. Особое внимание уделяется архитектуре CNN, принципам извлечения признаков и этапам обработки данных, включая свёртку, пулинг и полносвязные слои. Приводятся примеры применения CNN в задачах классификации, распознавания объектов и сегментации изображений. Обсуждаются преимущества глубокого обучения перед традиционными методами компьютерного зрения, а также перспективы дальнейшего развития технологий в данной области.
References
1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2012. - 1072 с.
2. Пресняков В.В., Макаров А.А. Машинное зрение и обработка изображений. - СПб.: Питер, 2019. - 384 с.
3. Сергиенко И. В., Кривошеев И. А. Искусственный интеллект и машинное обучение в медицине. - М.: Инфра-М, 2020. - 272 с.
4. Монографии. Соболев А. Г. Автоматизированные системы медицинской диагностики. - Новосибирск: СО РАН, 2018. - 296 с.
