Mély neurális háló tanulásának vizsgálata képosztályozásnál

OData támogatás
Konzulens:
Dr. Szűcs Gábor
Távközlési és Médiainformatikai Tanszék

Napjainkban az informatika virágkorát éli. Ennek elsődleges oka a felgyorsult, információs alapú társadalom, melynek igényeit és feladatait elsősorban a számítástechnika képes kielégíteni. Egyre több olyan problémával találkozik szembe a modern világ, melyek megoldásához szükséges valamilyen számítástechnikai megoldás. A megoldás sokszor olyan rendszerekben rejlik, melyek alapjául valamilyen, az ember számára megtapasztalható jelenség szolgál. Így a rendszer mintegy modellként működik, ezért lesz az általa kapott eredmény informatív számunkra.

Ilyen modell rendszerek a mély neurális hálózatok is. Működésük mechanizmusát az emberi agy sejtjei (neuronjai) ihlették, melyek szoros kapcsolatban vannak egymással, információ átadás zajlik köztük, valamint az információ feldolgozásra is kerül. Ugyanezen felépítés jellemzi a mély neurális hálózatokat is, melyek alapegységei (perceptron) és rétegei is egymással kapcsolatokat hoznak létre, hogy feldolgozzák a beérkező információkat.

Diplomatervem központi témáját a tanulási képesség, valamint az ezt befolyásoló tényezők adják a képosztályozásnál. Munkám során arra kerestem a választ, hogy mennyiben csökkenti a tanulási hatékonyságot egy képadathalmazokból álló hálózat manipulációja különböző nehezítő körülmények mellett. A manipulációt többféle módon vittem véghez: a vizsgálatot lefolytattam a tanulói adathalmaz szűkítése, a képek kicsinyítése, valamint a tesztadathalmaz szürkeárnyalatossá tétele után is. Ezt követően kiértékeltem, hogy milyen hatással volt a manipuláció a tanulási hatékonyságra.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.