?
Использование технологии CUDA в обучении сверточной нейросети для распознавания пыльцевых зерен
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