Deep pyramidal residual hybrid neural network

Abstract

Метою роботи є розв’язання задачі структурно параметричного синтезу гібридних згорткових мереж які включають в себе залишкову та пірамідальну нейронну мережу. У роботі розглядаються топології сучасних згорткових нейронних мереж, а саме залишкову та пірамідальну нейронну мережу. бґрунтовано необхідність використання для розв’язання задач обробки зображень цих нейронних мереж. Проведено дослідження даних згорткових мереж. Проаналізована точність обробки зображень під час розв’язування задач класифікації, дослідження відносно розміру згортки, кількість карт ознак та досліджена глибина та ширина даних нейронних мереж. Розроблено алгоритм навчання гібридної нейронної мережі яка складається з залишкових блоків, та пірамідальної архітектури та визначено умови підвищення ефективності роботи гібридної нейронної мережі та наведено приклади на наборі даних ЦИФАР-10 та приклади на реальних задачах по виявленню пухлин у сфері медицини.

The aim of this work is to solve the problem of structural parametric synthesis of hybrid convolutional networks which include residual and pyramidal neural networks. The topologies of modern convolutional neural networks, namely the residual and pyramidal neural network, are considered in the work. The necessity of using these neural networks to solve image processing problems is substantiated. A study of these convolutional networks. The accuracy of image processing in solving classification problems, research on the size of the convolution, the number of feature maps and the depth and width of neural network data were analyzed. An algorithm for training a hybrid neural network consisting of residual blocks and a pyramidal architecture has been developed and the conditions for improving the efficiency of the hybrid neural network have been determined, and examples are given in the CIFAR-10 data set and real examples of tumors detecting in medicine.