ЗАСТОСУВАННЯ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ З ДЕКІЛЬКОМА ВИХОДАМИ ДЛЯ РОЗПІЗНАВАННЯ ОБІГОВИХ МОНЕТ

Анотація

Проблема розпізнавання обігових монет може постати як перед досвідченими колекціонерами, так і перед звичайними туристами або колекціонерами-початківцями. Найлегшим рішенням для тих, хто не має достатньо знань для самостійного розпізнавання монет, може стати розпізнавання за допомогою програмного засобу, побудованого на основі нейронної мережі. Оскільки більшість характеристик монет можна визначити за зображеннями аверсу та реверсу а сам процес створення фотографій для розпізнавання є швидким та не потребує додаткових вимірювальних приладів, найзручнішим підходом для вирішення даної проблеми є розпізнавання монет за зображеннями.
У роботі розглянуто проблему розпізнавання обігових монет за допомогою згорткових нейронних мереж, які містять шари, призначені спеціально для роботи із зображеннями. Описано традиційний підхід до вирішення задачі розпізнавання зображень, який передбачає використання звичайної згорткової нейронної мережі з одним виходом, коли кожному зображенню поставлено у відповідність клас, який однозначно його визначає. Аналіз даного підходу та отриманих результатів показує що для вирішення поставленої задачі для зібраного набору даних, коли виникає досить велика кількість класів, така архітектура не є оптимальною. Для підвищення точності розпізнавання запропоновано архітектуру згорткової нейронної мережі з декількома виходами, яка передбачає розгалуження структури нейронної мережі на декілька гілок на певному етапі. При використанні такої нейронної мережі зображенням у відповідність наводиться перелік із декількох незалежних характеристик замість одного складеного класу. Таким чином задача розпізнавання монети розбивається на декілька підзадач, кожній із яких відповідає окрема гілка нейронної мережі. Також в роботі був проведений порівняльний аналіз результатів отриманих при застосуванні традиційної нейронної мережі та мережі із декількома виходами були визначенні причини відмінностей у результатах та переваги і недоліки кожного із розглянутих підходів.