Нейросетевые алгоритмы распознавания объектов - АО НПП «АМЭ»
АО НПП «АМЭ» разрабатывает нейросетевые алгоритмы распознавания объектов для использования в оптико-электронных системах обнаружения, наблюдения и целеуказания.

Искусственная нейронная сеть представляет собой математическую модель (комплексную весовую функцию), построенную по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Наиболее популярным современным подтипом искусственных нейронных сетей являются сети свёрточной архитектуры, которые обычно состоят из нескольких, идущих друг за другом слоев. Существует множество типов слоев в нейронной сети, наиболее часто используемыми являются свёрточные слои, слои активации, слои нормализации, полносвязные слои и т.д.

 

Основой свёрточных нейронных сетей являются слои свертки. Отличие данного слоя от полносвязного слоя заключается в том, что каждый нейрон связан только с ограниченным числом соседних нейронов. Это позволяет существенно уменьшить число параметров сети. Веса данного слоя представляют собой набор многомерных изображений-фильтров с числом каналов равным числу каналов входного изображения. В процессе прямого прохода данный фильтр двигают по входному изображению и вычисляют сумму попарных произведений элементов фильтра и значений входного изображения. В итоге на выходе блока получается изображение с количеством каналов равным количеству фильтров блока.

 

Для достижения оптимальной производительности необходимо подвергать интенсивной обработке наиболее информативные области изображения (зоны интереса). Для поиска и выделения зон интереса целесообразно использовать алгоритмы контрастных связных областей на изображении. Далее, каждый обнаруженный на этапе поиска зон интереса обработки объект подвергается процедуре автоматического распознавания с применением свёрточных нейронных сетей.

Пример архитектуры свёрточной ИНС

Пример работы алгоритма

Автоматическое обнаружение, распознавание и сопровождение БЛА в видимом диапазоне длин волн