Automatizovaná tvorba modelů hlubokých neuronových sítí pro klasifikaci obrazu

Bc. Patrik DOHNAL

Master's thesis

Automated creation of deep neural network models for image classification

Abstract:

Tato práce se zabývá návrhem a implementací systému pro automatickou tvorbu modelů hlubokých neuronových sítí (HNS) pro klasifikaci obrazu včetně evaluace výsledků na datových sadách Cifar-10 a Mnist-Fashion. Pro nalezení aproximačně nejlepšího modelu HNS je využito genetického algoritmu. V rámci práce je prozkoumáno několik přístupů k zakódování genetické informace modelů HNS. Dále je popsána řada experimentů s architekturou VGG-16, na jejichž základě je systém implementován. Součástí práce je i popis a řešení mnoha problémů s cyklickým trénováním na grafické kartě pomocí knihovny Tensorflow pro programovací jazyk Python.

Abstract:

The aim of the thesis is to design and implement a system that can automatically create deep neural networks (DNN) models for image classification. Additionally, the aim is to review the current state-of-the-art and to validate the system's functionality on two different datasets. A genetic algorithm is used to find the best approximate DNN model. Additionally, several approaches to encode the genetic information of DNN models are explored. Furthermore, several experiments with the VGG-16 architecture were conducted to find the best possible system base. The thesis also includes a discussion on the practice of model training and how problems that can arise during the automatic training of DNN models are avoided. The implementation is written in Python with Tensorflow library.

Keywords

neuronové sítě, genetický algoritmus, evoluce, klasifikace obrazu, konvoluce, CNN

Language used: Czech

Date on which the thesis was submitted / produced: 12. 4. 2024

Thesis defence

• Supervisor: Ing. Jan Fesl, Ph.D.

UNIVERSITY OF SOUTH BOHEMIA IN ČESKÉ BUDĚJOVICE

Faculty of Economics

Master programme / field:
Applied Informatics / Applied Informatics