Использование технологии CUDA в обучении сверточной нейросети для распознавания пыльцевых зерен

С. 70–81.

Замятина Елена Борисовна, Ханжина Н. Е.

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

Ключевые слова: распознавание изображений, Image recognition, CUDA, CUDA, convolutional neural networks, structural approach, пыльцевые зерна, особые точки, pollen grains, feature points, Hamming Network, сеть Хэмминга, конволюционная нейронная сеть

В книге

Высокопроизводительные вычисления на графических процессорах: материалы III Всерос. науч.-практ. конф. с междунар. участием с элементами науч. шк. для молодежи (ВВГП–2016)

Пермь: Пермский государственный национальный исследовательский университет, 2016.