Особливості попередньої обробки та групування тренувальних данних нейронної мережі для підвищення точності розпізнавання об’єктів на основі MobileNet V2

Abstract

Мета роботи – дослідження можливостей підвищення точності та варіативності розпізнавання різних груп об’єктів зі схожою надлишковою інформацією нейронною мережею, після попередньої обробки та групування тренувальних зображень для подальшого використання на мікроконтролерах. Перевірено вплив видалення зайвої інформації у тренувальних даних на практичні значення точності розпізнавання різних категорій об’єктів на основі архітектури MobileNet V2. Методика – створення різних груп тренувальних зображень з використанням програмної платформи Edge Impulse. Обробка зображень методом видалення зайвих об'єктів у графічному редакторі Adobe Photoshop. Перевірка точності розпізнавання необробленої, обробленої та змішаної груп тренувальних зображень. На базі програмної платформи Edge Impulse створено декілька груп тренувальних зображень. У частині зображень за допомогою графічного редактора Adobe Photoshop видалено усі зайві елементи. Встановлено, що при наявності схожої зайвої інформації на тренувальних даних, у різних категоріях об’єктів, у результаті розпізнавання виникають нерозпізнані та помилково розпізнані тестові зображення. Експериментально отримано, що метод видалення зайвої інформації з тренувальних зображень дає більш чіткий розподіл ознак, а поєднання необроблених та оброблених тренувальних даних дають середній приріст у точності розпізнавання більше ніж 10% для кожної категорії, а також суттєве зменшення нерозпізнаних та невірно розпізнаних тестових зображень, при тій самій кількості тренувальних даних. Отримано комбінований метод обробки та групування тренувальних даних, що підвищує точність розпізнавання об'єктів без збільшення кількості тренувальних даних. Досліджено вплив схожої надлишкової інформації у різних категоріях об’єктів на точність розпізнавання. Отримані результати дозволяють здійснити підвищення точності розпізнавання різних груп об’єктів зі схожою надлишковою інформацією однією нейронною мережею без підвищення кількості тренувальних зображень.

Investigation of the possibilities of increasing the accuracy and variability of recognition of different groups of objects with similar redundant information by a neural network, after preprocessing and grouping of training images for further use on microcontrollers. The effect of removing redundant information in the training data on the practical values of recognition accuracy of different categories of objects based on the MobileNet V2 architecture is verified. Creating different groups of training images using the Edge Impulse software platform. Image processing by the method of removing unnecessary objects in the graphic editor Adobe Photoshop. Testing the recognition accuracy of raw, processed and mixed groups of training images. Several groups of training images have been created on the basis of the Edge Impulse software platform. In part of the images, all unnecessary elements were removed using the Adobe Photoshop graphic editor. It was established that in the presence of similar redundant information on the training data, in different categories of objects, unrecognized and falsely recognized test images appear as a result of recognition. It was experimentally found that the method of removing redundant information from training images gives a clearer distribution of features, and the combination of raw and processed training data gives an average increase in recognition accuracy of more than 10% for each category, as well as a significant reduction of unrecognized and incorrectly recognized test images, while the same amount of training data. A combined method of training data processing and grouping was obtained, which increases the accuracy of object recognition without increasing the amount of training data. The effect of similar redundant information in different categories of objects on recognition accuracy was investigated. The obtained results make it possible to increase the accuracy of recognition of different groups of objects with similar redundant information by one neural network without increasing the number of training images.