Klasifikacija automobila koristeći transferirano učenje na ResNet arhitekturi neuronske mreže

Sažetak

Klasifikacija je jedan od najčešćih problema za koji se koriste neuronske mreže. U slučaju klasifikacije slika veće razlučivosti, najčešće se koriste konvolucijske neuronske mreže. Iz razloga što se konvolucijske neuronske mreže izuzetno često koriste za klasifikaciju postoji mnogo inačica unaprijed istreniranih mreža koje je moguće uz određene preinake upotrijebiti i dotrenirati za rješavanje novih domena koristeći tehniku transferiranog učenja. Ovaj rad prikazuje način na koji je moguće dobiti izvrsne rezultate s obzirom na točnost klasifikacije pomoću upotrebe transferiranog učenja i unaprijed trenirane konvolucijske neuronske mreže. Rad prezentira rezultate transferiranog učenja ResNet-152 konvolucijske neuronske mreže na Stanford Car setu podataka. Rezultati pokazuju točnost od preko 88% točnosti samo pomoću treniranja zadnjeg potpuno povezanog sloja neuronske mreže.