人工神经网络现代SOTA体系结构分析，用于解决图像分类和目标检测问题

DOI:

EDN:

评审日期

出版日期

注解: 科学研究的重点是分析人工神经网络解决图像分类和目标检测问题的最有效架构，根据从开放门户获得的数据，发布自己算法的实证研究结果或应用现有解决方案来解决替代任务列表。 该研究的相关性基于对机器学习技术日益增长的兴趣以及对现有和创新计算机视觉算法的定期改进。 分析的主题是现有神经网络架构的结构特征。 特别是，在现代体系结构中使用的最有效的方法，这使得能够在所使用的质量指标的框架内实现记录水平，以及现有方法的关键缺点。 研究了训练模型和获得最终结果所花费的时间间隔。  作为本文的一部分，对现有解决方案的优缺点进行了分析研究，并考虑了先进的SOTA架构解决方案。 研究了提高基本模型精度的最有效方法。 使用的参数的数量、训练样本的大小、模型的精度、其大小、适应性、复杂度以及训练特定体系结构所需的计算资源来确定。 作为这项研究工作的一部分，通过对从每个分析数据集中提取的五种有希望的解决方案进行比较分析，对最有效的神经网络架构的内部结构进行了详 构建了准确性对模型中使用的参数数量和训练样本大小的依赖关系图。 通过对所考虑的解决方案有效性的比较分析，可以确定设计人工神经网络架构的最有效方法和技术。 此外，还确定了进一步研究卷积神经网络与视觉变压器杂交的前景。 提出了一种新方法，旨在创建模型的复杂自适应体系结构，该体系结构可以根据参数的输入集进行动态调整，这是构建自适应神经网络领域的潜在显着

出版日期: