Поняття глибинного навчання та його використання для розпізнавання елементів на картографічних зображеннях
DOI:
https://doi.org/10.20535/1560-8956.37.2020.226788Ключові слова:
векторне зображення, розпізнавання зображень, глибоке навчання, картографічні схемиАнотація
Об’єктом дослідження є процес оцифрування картографічних схем та зображень. У статті зроблено огляд основних рішень на сьогоднішній день, та їх недоліки. Також визначено варіант, для вирішення даної проблеми, запропоновано використати нейрону мережу, для розпізнавання зображення, а саме глибоке навчання. Глибоке навчання в свою чергу є класом алгоритмів машинного навчання, який використовує в собі багатошарову систему нелінійних фільтрів для відокремлення необхідних характеристик з перетвореннями.
Метою роботи є зменшення часу на процес оцифровування архівів картографічних схем, за допомогою створення та навчання нейронної мережі з використання глибинного навчання.
Бібл. 5, іл. 5.
Посилання
Artificial Intelligence - Neural Networks [Електронний ресурс] – Режим доступу: https://goo.su/1f5q
E.V. Krуlov, V.K. Anikin, R.V. Belous. Deep learning. Recognition drawings. //Abstracts of VI International Scientific and Practical Conference/ CPN Publishing Group, Osaka, Japan. 2020. – p.132-135
Kelley, Henry J. "Gradient theory of optimal flight paths". ARS Journal. 30 (10): 947–954. [Електронний ресурс] – Режим доступу:10.2514/8.5282.
Schmidhuber, J. "Deep Learning in Neural Networks: An Overview". Neural Networks. [Електронний ресурс] – Режим доступу: https://goo.su/1F5R
Ng, Andrew; Dean, Jeff . "Building High-level Features Using Larg Scale Unsupervised Learning". Neural Networks. [Електронний ресурс] – Режим доступу: https://arxiv.org/archive/cs.LG
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
