Operation of Maritime Transport Operation of Maritime Transport Эксплуатация морского транспорта 1992-8181 53755 10.34046/aumsuomt96/21 Раздел 4 АВТОМАТИЗАЦИЯ, АНАЛИЗ И ОБРАБОТКА ИНФОРМАЦИИ, УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ AUTOMATION, ANALYSIS AND PROCESSING OF INFORMATION, MANAGEMENT OF TECHNOLOGICAL PROCESSES IN SOCIAL AND ECONOMIC SYSTEMS Раздел 4 АВТОМАТИЗАЦИЯ, АНАЛИЗ И ОБРАБОТКА ИНФОРМАЦИИ, УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ Research of methods and algorithms of computer vision based on convolutional and recurrent neural networks Исследование методов и алгоритмов компьютерного зрения на основе свёрточных и рекуррентных нейронных сетей Полковникова Наталья Анатольевна Poikovnikova Natal'ya Anatol'evna natalia-polkovnikova@mail.ru ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru 25 09 2020 25 09 2020 3 154 168 20 09 2020 20 09 2020 https://aumsu.editorum.ru/en/nauka/article/53755/view

В статье произведено исследование методов и алгоритмов компьютерного зрения на основе глубоких свёрточных и рекуррентных нейронных сетей. Обработка изображений с целью их распознавания является одной из центральных и практически важных задач при создании систем искусственного интеллекта. Распознавание лиц на изображениях является классической задачей в компьютерном зрении и самым современным трендом в интеллектуальных системах безопасности и контроля доступа, в авторизации пользователей, организации видеоконференций, робототехнике и биометрии. Рассмотрена эволюция подходов и алгоритмов к решению задач обработки, распознавания и локализации лиц на изображениях с использованием алгоритма Виола-Джонса, свёрточных и рекуррентных нейронных сетей. Рассмотрены технологии восстановления трёхмерного изображения лица по исходному 2Б-изображению нейросетевыми методами. Приведены результаты компьютерных экспериментов работы программы на основе свёрточной и рекуррентной нейронной сети для обнаружения лица, определения возраста, эмоционального состояния человека и наличия маски на лице в видеопотоке реального времени в среде Matlab R2020a. Практическое применение полученных результатов может быть использовано в дистанционном обучении при идентификации личности курсантов и студентов.

The article made a study of methods and computer vision algorithms based on deep convolutional and recurrent neural networks. Image processing for the purpose of their recognition is one of the central and practically important tasks in creation of artificial intelligence systems. Face detection and recognition in images is a classic task in computer vision and the most modem trend in intelligent security and access control systems, in user authorization, in organizing video conferencing, in robotics and biometrics. Considered evolution of approaches and algorithms to problems solving of processing, recognition and localization of faces in images using Viola-Jones object detection algorithm, convolutional and recurrent neural networks. Technologies for the restoration of a three-dimensional image of a face from an initial 2D image by neural methods are considered. The results of computer experiments based on a convolutional and recurrent neural network for face detection, age determination, face emotional state and mask detection in real-time video stream are implemented in Matlab R2020a. Practical application of the obtained results can be used in distant education in identifying the personality of cadets and students.

 распознавание образов компьютерное зрение глубокое машинное обучение алгоритм Виола-Джонса признаки Хаара свёрточные и рекуррентные нейросети эмоциональный искусственный интеллект pattern recognition computer vision deep machine learning Viola-Jones object detection Haar-like features convolutional and recurrent neural networks emotional artificial intelligence

Студеникин Д.Е., Бован С.Д., Хекерт Е.В., Модина М.А. Использование нейронных сетей для организации визуального наблюдения // Морские интеллектуальные технологии,- 2019 - № 4-3 (46). - С. 91-95. Studenikin D.E., Bovan S.D., Hekert E.V., Modina M.A. Ispol'zovanie neyronnyh setey dlya organizacii vizual'nogo nablyudeniya // Morskie intellektual'nye tehnologii,- 2019 - № 4-3 (46). - S. 91-95. Брилюк Д.В., Старовойтов В.В. Распознавание человека по изображению лица нейросетевыми методами. - Минск, 2002. - 54 с. Brilyuk D.V., Starovoytov V.V. Raspoznavanie cheloveka po izobrazheniyu lica neyrosetevymi metodami. - Minsk, 2002. - 54 s. LeCun Y. Deep Learning Hardware: Past, Present, and Future. IEEE International Solid-State Circuits Conference-(ISSCC), 2019. - 12-19 pp. LeCun Y. Deep Learning Hardware: Past, Present, and Future. IEEE International Solid-State Circuits Conference-(ISSCC), 2019. - 12-19 pp. Клетте P. Компьютерное зрение. Теория и алгоритмы / пер. с англ. А.А. Слинкин. - М.: ДМК Пресс, 2019. - 506 с. Klette P. Komp'yuternoe zrenie. Teoriya i algoritmy / per. s angl. A.A. Slinkin. - M.: DMK Press, 2019. - 506 s. Полковникова Н.А., Полковников А.К. Система поддержки принятия решений для выбора режима и прогнозирования отказов главного судового двигателя // Эксплуатация морского транспорта.-2019,-№3(92).-С. 170-180. Polkovnikova N.A., Polkovnikov A.K. Sistema podderzhki prinyatiya resheniy dlya vybora rezhima i prognozirovaniya otkazov glavnogo sudovogo dvigatelya // Ekspluataciya morskogo transporta.-2019,-№3(92).-S. 170-180. Полковникова Н.А. Нейросетевые системы автоматического распознавания морских объектов // Эксплуатация морского транспорта. - 2020,- №1(94). - С. 207-219. Polkovnikova N.A. Neyrosetevye sistemy avtomaticheskogo raspoznavaniya morskih ob'ektov // Ekspluataciya morskogo transporta. - 2020,- №1(94). - S. 207-219. Белых Е. А. Обучение каскадов Хаара // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика,- 2017-Вып. 1 (22).-С. 41-53. Belyh E. A. Obuchenie kaskadov Haara // Vestnik Syktyvkarskogo universiteta. Ser. 1: Matematika. Mehanika. Informatika,- 2017-Vyp. 1 (22).-S. 41-53. Чанг Буй Тхи Тху, Хоанг Фан Нгок, Спицын В.Г. Распознавание лиц на основе применения метода Виолы-Джонса, вейвлет-преобразования и метода главных компонент // Известия Томского политехнического университета-2012.- т. 320,- № 5,- С. 54-59. Chang Buy Thi Thu, Hoang Fan Ngok, Spicyn V.G. Raspoznavanie lic na osnove primeneniya metoda Violy-Dzhonsa, veyvlet-preobrazovaniya i metoda glavnyh komponent // Izvestiya Tomskogo politehnicheskogo universiteta-2012.- t. 320,- № 5,- S. 54-59. Шешкус А.В., Маталов Д.П., Арлазаров В.В., Николаев Д.П. Исследование композиции алгоритмов компьютерного зрения, базирующихся на машинном обучении, для решения задачи локализации и классификации объектов // Труды Института системного анализа Российской академии наук- 2019-Т. 69-№ 1. - С. 29-36. Sheshkus A.V., Matalov D.P., Arlazarov V.V., Nikolaev D.P. Issledovanie kompozicii algoritmov komp'yuternogo zreniya, baziruyuschihsya na mashinnom obuchenii, dlya resheniya zadachi lokalizacii i klassifikacii ob'ektov // Trudy Instituta sistemnogo analiza Rossiyskoy akademii nauk- 2019-T. 69-№ 1. - S. 29-36. Schroff F., Kalenichenko D., Philbin J. FaceNet: A Unified Embedding for Face Recognition and Clustering https://arxiv.org/abs/1503.03832 (Дата обращения 05.08.2020) Schroff F., Kalenichenko D., Philbin J. FaceNet: A Unified Embedding for Face Recognition and Clustering https://arxiv.org/abs/1503.03832 (Data obrascheniya 05.08.2020) Слипченко О.О., Клименко С.В., Степанова А.Ю. Использование аппарата нейросетей при распознавании лица // Актуальнi проблеми автоматизацii та iнформацiйних технологiй.-2017.- том 21.- С. 143-151 Slipchenko O.O., Klimenko S.V., Stepanova A.Yu. Ispol'zovanie apparata neyrosetey pri raspoznavanii lica // Aktual'ni problemi avtomatizacii ta informaciynih tehnologiy.-2017.- tom 21.- S. 143-151 Полковникова Н.А. Система поддержки принятия решений на основе свёрточных нейронных сетей по распознаванию объектов на изображениях // Материалы III международного научнотехнического форума «Современные технологии в науке и образовании» (4-6 марта 2020, Рязань). - Рязань: Рязанский государственный радиотехнический университет имени В.Ф. Уткина, т.5.-с. 108-112. Polkovnikova N.A. Sistema podderzhki prinyatiya resheniy na osnove svertochnyh neyronnyh setey po raspoznavaniyu ob'ektov na izobrazheniyah // Materialy III mezhdunarodnogo nauchnotehnicheskogo foruma «Sovremennye tehnologii v nauke i obrazovanii» (4-6 marta 2020, Ryazan'). - Ryazan': Ryazanskiy gosudarstvennyy radiotehnicheskiy universitet imeni V.F. Utkina, t.5.-s. 108-112. Recent advances on memetic algorithms and its applications in image processing. Editors: Hemanth D.J., Kumar B.V., Karpagam Manavalan G.R. -Springer, 2020. - 199 p. Recent advances on memetic algorithms and its applications in image processing. Editors: Hemanth D.J., Kumar B.V., Karpagam Manavalan G.R. -Springer, 2020. - 199 p. Leskovec J., Rajaraman A., Ullman J.D. Mining of Massive Datasets. - Cambridge University Press, 3rd edition, 2019. - 583 p. Leskovec J., Rajaraman A., Ullman J.D. Mining of Massive Datasets. - Cambridge University Press, 3rd edition, 2019. - 583 p. Redmon J., Farhadi A. YOL09000: Better, Faster, Stronger. Proceedings of the IEEE conference on computer vision and pattern recognition, 2017. -7263-7271 pp. Redmon J., Farhadi A. YOL09000: Better, Faster, Stronger. Proceedings of the IEEE conference on computer vision and pattern recognition, 2017. -7263-7271 pp. LeCun Y., Bengio Y., Hinton G. Deep learning. Nature, vol. 521 (7553), 2015.-436-444 pp. LeCun Y., Bengio Y., Hinton G. Deep learning. Nature, vol. 521 (7553), 2015.-436-444 pp. Krizhevsky A., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 2012. - 1097-1105 pp. Krizhevsky A., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 2012. - 1097-1105 pp.