Статья Multi-Layer Neural Network Auto Encoders Learning Method, Using Regularization for Invariant Image Recognition

В работе предложен регуляризатор для многослойных автоассоциативных нейронных сетей, обучаемых методом Глубинного Обучения (Deep Learning), позволяющий разделить репрезентацию образов, получаемую в скрытых слоях, на две составляющие: репрезентация параметров класса объекта и репрезентацию параметров преобразования объекта. Регуляризатор, помимо компоненты обеспечивающей гладкость представления содержит компоненту минимизации разброса представления информации о классе объекта при различных трансформациях и компоненту минимизации разброса представления информации об одинаковых преобразованиях объекта для различных классов. Для этого используется доступная информация о классах объектов обучающей выборки и оценка схожести преобразований (искажений), которым был подвергнут объект. Показано, что данный регуляризатор позволяет осуществлять нелокальную инвариантность к искажениям входного образа. Практические исследования на синтетических данных демонстрируют работоспособность метода для многослойных нейросетевых автоассоциативных структур, что позволяет рассчитывать на развитие и применение метода для работы с реальными наборами данных. В частности, предложенный метод может быть применен для инвариантного по отношению к освещенности, погодным условиям и ориентации  распознавания объектов на аэрофотоснимках,  например для распознавания транспортных средств на снимках, полученных от БПЛА. 

Статья опубликована в журнале Indian Journal of Science and Technology, выпуск № 27, июль 2016 http://www.indjst.org/index.php/indjst/article/view/97704 

Работа выполнена при финансовой поддержке Министерства образования и науки Российской федерации в рамках Соглашения о предоставлении субсидии № 14.576.21.0051 от «08» сентября 2014 г. (Уникальный идентификатор соглашения RFMEFI57614X0051) на выполнение прикладных научных исследований по теме: «Разработка интеллектуальных алгоритмов обнаружения и распознавания дорожных ситуаций для бортовых систем беспилотных летательных аппаратов, осуществляющих автоматическое патрулирование транспортных магистралей с применением ГЛОНАСС».