Глава
The Video-Based Age and Gender Recognition with Convolution Neural Networks
В книге
В статье проведен анализ процессов разработки и тестирования мобильных приложений. Предложена метрика тестирования мобильных приложений и соответствующий критерий завершенности тестирования. Предложен интегральный критерий оптимизации процесса тестирования. Сделано и обосновано предположение об эффективности прототипного подхода к тестированию и предложен частный критерий оптимизации процесса тестирования мобильных приложений. Рассмотрены численные результаты применения интегрального и частного критериев эффективности процесса тестирования мобильных приложений на примерах.
Представлена новая открытая база изображений дорожных знаков. База предназначена для обучения и тестирования алгоритмов распознавания дорожных знаков. Описывается структура и правила работы с базой, проводится сравнение с другими базами дорожных знаков. На базе проведена экспериментальная оценка современных алгоритмов выделения и классификации дорожных знаков, которая показала, что существующие алгоритмы распознавания большого класса знаков не достигают требуемой для ряда практических приложений полноты и точности.
Проанализированы существующие подходы и алгоритмы для генерации тестов. Предложена аналитическая модель генерации тестов на основе прототипов, учитывающая специфику мобильных приложений. Предложена схема аналитической модели генерации. Представлены численные показатели эффективности предложенной модели.
В работе описывается проблема автоматизации распознавания изображений пыльцевых зерен, полученных с помощью оптического микроскопа. Автоматизация распознавания пыльцы является актуальной в таких задачах, как анализ качества меда с целью выявления фальсификата, проверка качества воздуха для предупреждения аллергиков и астматиков, палеопалинология, судебная палинология. Описывается метод решения проблемы, основанный на машинном обучении и применении технологии CUDA. Описывается алгоритм предварительной обработки изображений и приводятся выделенные признаки объектов. Приводится сравнение результатов методов на наборе данных из 5 видов растений. Лучшим методом оказалась сверточная нейросеть, точность распознавания ей составляет 89%. С помощью применения вычислений на графическом процессоре удалось повысить производительность части алгоритма обучения сверточной нейросети в 2 раза