АВТОМАТИЗАЦИЯ РАЗМЕТКИ НАБОРА ДАННЫХ ДЛЯ НЕЙРОННЫХ СЕТЕЙ

Процесс цифровой трансформации затрагивает все сферы жизни современного общества и деятельности человека: экономика, экология, научная деятельность и т. д. Возникают новые технологии, требующие эффективных методов распознавания элементов окружающей среды, отслеживания движений управляемых объектов во взаимодействии, в том числе и с дополненной реальностью. При этом все большую популярность для решения задач распознавания объектов на статических изображениях, а также в видеопотоках приобретают нейронные сети. Разметка набора данных для последующего глубокого обучения – неотъемлемая часть любого проекта, который предполагает использование нейросетевых технологий компьютерного зрения. Для обучения нейронных сетей задаче классификации изображений или нахождения объектов требуется огромное количество размеченных данных. Чем больше классов объектов, тем больше данных требуется для обучения. Естественно, что трудоемкая ручная разметка имеет ряд недостатков: длительное время и возможные ошибки, возникающие в силу рутинности выполняемой задачи. В статье рассмотрены различные походы к автоматизации задачи разметки изображений для глубокого обучения, которые могут быть использованы для интеграции технологий распознавания образов и создания дополненной реальности с возможной реализацией на персональных компьютерах и мобильных устройствах.

нейросети, глубокое обучение, наборы данных, автоматическая разметка, распознавание образов.

1. SVM. URL: http://www.machinelearning.r /wiki/index.php?title=Метод_опорных_ векторов (дата обращения: 20.11.2018).

2. Методы искусственного интеллекта в Интернет-маркетинге. URL: http://blog. webgalactic.ru (дата обращения: 20.11.2018).

3. Бесшапошников Н. О., Кузьменко М. А., Леонов А. Г., Матюшин М. А. Некото-рые вопросы эффективности детерминированных алгоритмов распознавания образов с по-мощью библиотеки OpenCV // Труды НИИСИ РАН. 2018. № 2. Том 8. 65–69.

4. Homography Examples using OpenCV (Python/C++). URL: https://www.lear nopencv.com (дата обращения: 20.11.2018).

5. OpenCV. URL: http://www.opencv.org (дата обращения: 20.11.2018).

6. Flach P. Machine Learning: The Art and Science of Algorithms That Make Sense of Data. Cambridge University Press. 2012. P. 396.

7. Что такое сверточная нейронная сеть URL: https://habr.com/ post/309508/ (дата обра-щения: 20.11.2018).

8. Object Localization and Detection. URL: https://leonardoaraujosantos.gitbooks.io/arti ficial-inteligence/content/object_localization_and_ detection.html (дата обращения: 20.11.2018).