Klasifikace obrazů pomocí umělých neuronových sítí

Mgr. Kateřina Záleská

Bakalářská práce

Classification of images using artificial neural networks

Anotace:

Tématem této práce je klasifikace obrazů pomocí umělých neuronových sítí, které v poslední době nacházejí stále větší uplatnění. Úvodní část se zaměřuje na klasifikaci obrazových dat a popis principů vybraných klasifikačních metod. Dále se práce věnuje pouze jediné metodě, a to umělý neuronovým sítím (UNS). V úvodu popisu neuronových sítí je představena základní jednotka sítí – matematický model neuronu a jeho dělení dle aktivačních funkcí. Následně je popsána základní stavba sítí a jejich učení. Zmíněno je také praktické využití neuronových sítí, a to zejména v oblasti klasifikace biologických i nebiologických obrazových dat. V celé kapitole je poukazováno na analogii s lidskou nervovou soustavou, která tvořila v historii motivaci pro vznik umělých neuronových sítí. Podrobná stavba a popis učících algoritmů je zmíněna u dvou typů neuronových sítí – Dopředné sítě (DNS) a Kohonenovy mapy (SOM), které jsou používány i dále v experimentální části práce. Praktická část práce je aplikací teoretických znalostí na úlohu rozpoznávání ručně psaných číslic pocházejících z databáze The MNIST. V úvodu tato část obsahuje podrobný popis postupu klasifikace těchto dat v softwaru Matlab 7.11 včetně tvorby sítí a jejich nastavení pomocí nástroje nntool. Na dvou výše zmíněných typech neuronových sítí je pak zkoumán vliv velikosti trénovací množiny, vliv topologie sítě a vliv předzpracování dat na celkovou úspěšnost klasifikace.

Abstract:

The thesis is focused on the classification of images using artificial neural networks, whose application is recently increasing. First part of this thesis is devoted to the classification of image data and to the description of the principles of selected classification methods. It’s than focused on one particular method – artificial neural networks (ANN). The beginning of the description of neural network introduces the basic unit - a mathematic model of neuron and its division according to activating functions. It is followed by a description of basic structure of network and its purpose. Practical use of neural networks is also mentioned, especially in the field of classification of biological and non-biological image data. The whole chapter refers to the analogy to human nervous system, which in the past inspired the foundation of artificial neural network. A detailed structure and description of algorithmic programs is focused on two types of neural networks – Feed forward neural network a Kohonen’s self-organising map (SOM), which are also used in the practical part of the thesis. The practical part is devoted to the application of theoretical knowledge on the problem of recognition of handwritten digits from the database The MNIST. In the beginning, this section contains the detailed description of the procedure used for data classification in Matlab 7.11 software, including the creation of networks and their settings using nntool. It is followed by the examination of the effect of the training set of numbers, the influence of the network topology and the impact of preprocessing on the general classification success using two above-mentioned types of neural network.

Klíčová slova

neuronové sítě, klasifikace obrazových dat, klasifikace obrazů, matematický model neuronu, klasifikace číslic, databáze The MNIST

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 23. 5. 2011

Obhajoba závěrečné práce

• Obhajoba proběhla 10. 6. 2011
• Vedoucí: Ing. Milan Blaha, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Biologie / Matematická biologie