У статті досліджується технологія розпізнавання медичних зображень, що включає анотування відеозображень та їх використання для навчання моделі визначення об'єктів на відео. Розглянуто режими маркування відеозображень, технології розпізнавання з використанням методів визначення просторової активності об'єктів і сегментації. Представлений процес реалізації анотування медичних відеозображень лапороскопічного хірургічного втручання для виділення об'єктів розпізнавання. Досліджено процесс навчання моделі, структура і конфігурація мережі для створення моделі розпізнавання об'єктів медичних відеозображеннь. Представлений процес анотування медичних відеозображень лапароскопічного хірургічного втручання для віділення об'єктів розпізнавання. Визначені етапи підготовки та розпізнавання відеозображень: анотування відеозображень, навчання моделі, використання навченої моделі для нових нерозмічених відеозображень в режимі реального часу. Для навчання моделі використана мережа виявлення об'єктів в режимі реального часу YOLO. Компоненти виявлення об'єктів відеозображення об'єднуються в єдину нейронну мережу. Мережа використовує функції всього зображення для прогнозування кожної коробки. Класифікуються всі обмежуючі прямокутники коробки для всіх класів зображення одночасно. Навчання моделі проводилося з використанням відеозображень, анотованих для задач виявлення об'єктів та локалізації. Для оцінки якості моделі використаний параметр mean average precision (mAP).
The necessity of creating a model of recognition of gestures based on convolutional neural network that effective not only in pattern recognition, but also in terms of learning speed and resource intensity, is substantiated. In this regard, the work solved the problem of optimization of hyperparameters and the selection of the best optimizer backpropagation errors. To implement the tasks, a model was created that can recognize hand gestures, both from a single image and from streaming video.When choosing an optimizer, two adaptive methods were tested - Adadelta and Adam. The experiments confirmed the high efficiency of Adadelta, however, when compared with Adam, it showed more than twice as long network training.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.