Застосування нейронних мереж архітектури UNet, DeepLabV3, PSPNet для семантичної сегментації обличчя на фотографії

Скорочена інформація про документ
dc.contributor.authorГенаш, Максим Геннадійович
dc.contributor.authorОлійник, Володимир Валентинович
dc.date.accessioned2021-05-31T14:03:12Z
dc.date.available2021-05-31T14:03:12Z
dc.date.issued2018
dc.description.abstractenThis paper describes research on ability and feasibility of applying neural networks of UNet, DeepLabV3, PSPNet architectures in semantic segmentation of faces. The training was performed on Labeled Faces in the Wild (LFW) Part Labels Database. Semantic segmentation was performed by 3 classes: hair, face region, background. As the result of the research it was achieved fairly high level of segmentation accuracy for model UNet (Mean IoU = 85.6%, Pixel Accuracy = 95.7%) which is comparable with results of state of the art models on LFW dataset, meanwhile the trained model is compact enough to be appropriate for using in mobile and web applications.uk
dc.description.abstractruВ данной работе исследована возможность и целесообразность применения искусственных нейронных сетей архитектуры UNet, DeepLabV3, PSPNet для решения задачи семантической сегментации лица на фотографии. Обучение сети проводилось на датасете Labeled Faces in the Wild (LFW) Part Labels Database. Семантическая сегментация проводилась по 3 классам: волосы, область лица, фон. В результате исследования удалось достичь достаточно высокой точности сегментации для сети UNet (Mean IoU = 85.6%, Pixel Accuracy = 95.7%), что соответствует уровню лучших реализаций моделей на датасете LFW, при этом исследованая модель достаточно компактна, благодаря чему может использоваться в мобильных и веб-приложениях.uk
dc.description.abstractukУ даній роботі досліджено можливість та доцільність застосування штучних нейронних мереж архітектури UNet, DeepLabV3, PSPNet для вирішення задачі семантичної сегментації обличчя на фотографії. Навчання мережі проводилося на датасеті Labeled Faces in the Wild (LFW) Part Labels Database. Семантична сегментація проводилася по 3 класам: волосся, область обличчя, фон. В результаті дослідження вдалося досягти достатньо високої точності сегментації для мережі UNet (Mean IoU = 85.6%, Pixel Accuracy = 95.7%), що відповідає рівню найкращих реалізацій моделей на датасеті LFW, при цьому досліджена модель достатньо компактна, завдяки чому може використовуватися у мобільних та веб-додатках.uk
dc.format.pagerangeС. 69-74uk
dc.identifier.citationГенаш, М. Г. Застосування нейронних мереж архітектури UNet, DeepLabV3, PSPNet для семантичної сегментації обличчя на фотографії / Генаш Максим Геннадійович, Олійник Володимир Валентинович // Актуальные научные исследования в современном мире. – 2018. – Вып. 10(42), ч. 2. – С. 69–74. – Библиогр.: 29 назв.uk
dc.identifier.issn2524-0986
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/41272
dc.language.isoukuk
dc.publisherОбщественная организация "Институт социальной трансформации"uk
dc.publisher.placeПереяслав-Хмельницкийuk
dc.sourceАктуальные научные исследования в современном мире : журнал, Вып. 10(42), ч. 2uk
dc.subjectсегментація обличчяuk
dc.subjectштучні нейронні мережіuk
dc.subjectкласифікаціяuk
dc.subjectLFWuk
dc.subjectUNetuk
dc.subjectKerasuk
dc.subjectобробка фотографійuk
dc.subjectsemantic face segmentationuk
dc.subjectneural networksuk
dc.subjectclassificationuk
dc.subjectphoto processinguk
dc.subjectсегментация лицаuk
dc.subjectискусственные нейронные сетиuk
dc.subjectклассификацияuk
dc.subjectобработка фотографийuk
dc.subject.udc873.01uk
dc.titleЗастосування нейронних мереж архітектури UNet, DeepLabV3, PSPNet для семантичної сегментації обличчя на фотографіїuk
dc.title.alternativeApplying UNet, DeepLabV3, PSPNet neural networks for semantic segmentation of faces on photouk
dc.title.alternativeПрименение нейронных сетей архитектуры UNet, DeepLabV3, PSPNet для семантической сегментации лица на фотографииuk
dc.typeArticleuk

Файли

Зібрання

Статті (КТК)