tailieunhanh - Ứng dụng mạng nơron, mạng nơron xoắn và sử dụng kết hợp CPU - GPU để tăng hiệu năng tính toán trong phân loại ảnh

Bài viết trình bày và so sánh các phương pháp phân loại ảnh dựa trên mạng nơron nhân tạo nhiều lớp (Multi Layer Perceptron - MLP) và mạng nơ ron xoắn (Convolutional Neural Network - CNN). Dữ liệu được đưa vào huấn luyện là bức ảnh của 10 đối tượng khác nhau. | Trường Đại học Vinh Tạp chí khoa học Tập 47 Số 3A 2018 tr. 64-76 ỨNG DỤNG MẠNG NƠRON MẠNG NƠRON XOẮN VÀ SỬ DỤnG kết hợp CPU - GPU ĐỂ TĂNG HIỆU NĂNG TÍNH toán trong phân loại ảnh Hồ Sỹ Phương Phan Văn Dư Lê Văn Chương Tạ Hùng Cường Viện Kỹ thuật và Công nghệ Trường Đại học Vinh Ngày nhận bài 30 9 2018 ngày nhận đăng 29 11 2018 Tóm tắt Bài báo trình bày và so sánh các phương pháp phân loại ảnh dựa trên mạng nơron nhân tạo nhiều lớp Multi Layer Perceptron - MLP và mạng nơ ron xoắn Convolutional Neural Network - CNN . Dữ liệu được đưa vào huấn luyện là bức ảnh của 10 đối tượng khác nhau. Kiến trúc thứ nhất được sử dụng là mạng MLP gồm có tham số weight kiến trúc thứ hai là mạng CNN gồm tham số. Bài báo đã đề xuất một vài phương pháp và cấu trúc mạng nhằm tránh hiện tượng quá khớp overfitting tăng cường độ chính xác cho mô hình xấp xỉ 80 . Bên cạnh đó bài báo cũng trình bày và so sánh về thời gian huấn luyện khi sử dụng CPU và kết hợp sử dụng CPU với GPU. 1. MỞ ĐẦU Trong những năm gần đây sự phát triển của khoa học công nghệ và cách mạng công nghiệp đang làm cho các nghiên cứu về trí tuệ nhân tạo Artificial Intelligence -AI ứng dụng trong lĩnh vực robotics robot tương tác thời gian thực với môi trường xung quanh. thu hút được sự quan tâm của các chuyên gia trong lĩnh vực điều khiển. Trong robot tự hành để có thể tương tác với môi trường hoạt động và điều khiển robot chuyển động theo đúng quỹ đạo mong muốn vấn đề nhận biết phân tích nhận dạng và phân loại các vật thể đóng vai trò hết sức quan trọng giúp chúng ta có cơ sở để đưa ra các tín hiệu điều khiển một cách chính xác kịp thời. Nhiều công trình nghiên cứu được công bố trên các tạp chí khoa học trong và ngoài nước 1 10 12 15 cho thấy vấn đề này có thể giải quyết và đưa lại hiệu quả cao khi sử dụng mạng MLP trong đó việc nhận dạng chữ viết tay với độ chính xác lên đến 99 8 . Trong bài báo này nhóm tác giả nghiên cứu và ứng dụng các cấu trúc mạng MLP và mạng CNN kết hợp với các kỹ thuật tối