msiСовременная наука и инновацииModern Science and Innovations2307-910XNorth-Caucasus Federal Universitymsi-1007Research ArticleТЕХНИЧЕСКИЕ НАУКИENGINEERING SCIENCESНЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ РАСПОЗНАВАНИЯ МНОГОПАРАМЕТРИЧЕСКИХ ОБЪЕКТОВTHE NEURAL NETWORK MODEL FOR MULTIPARAMETER OBJECTS RECOGNITIONМезенцеваОксана СтаниславовнаMezentsevaOksana Stanislavovnaomezentceva@ncfu.ruЛагуновНикита АлексеевичLagunovNikita Alekseevichn.a.lagunov@yandex.ruМезенцевДмитрий ВикторовичMezentsevDmitry Viktorovichterrakoto@icloud.comСеверо-Кавказский федеральный университетРоссияNorth-Caucasus Federal UniversityRussian Federation201611102022043338Copyright © Мезенцева О.С., Лагунов Н.А., Мезенцев Д.В., 20222022Мезенцева О.С., Лагунов Н.А., Мезенцев Д.В.Mezentseva O.S., Lagunov N.A., Mezentsev D.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://msi.elpub.ru/jour/article/view/1007

Статья содержит описание метода выделения и распознавания объектов на изображениях. Подход базируется на использовании сверточной нейронной сети с нейронами второго порядка и отсеивании гипотез.

The article contains the description of object detection and recognition method. The approach bases on the use of convolu-tional neural network with high-order neurons and the hypotheses removal.

нейронные сетираспознавания образовсегментированиеобучающие выборкинейроны высоких порядковneural networkspattern recognitionsegmentationtraining datasetshigh-order neuronsReferencesErhan D. Scalable Object Detection using Deep Neural Networks / D. Erphan, C. Szegedy, A. Toshev, D. Anguelov // Computer Vision and Pattern Recognition. Columbus, 2014. pp. 2155-2162.Erhan D. Scalable Object Detection using Deep Neural Networks / D. Erphan, C. Szegedy, A. Toshev, D. Anguelov // Computer Vision and Pattern Recognition. Columbus, 2014. pp. 2155-2162.Sermanet P. OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks / P. Ser-manet, D. Eigen, X. Zhang, M. Mathieu, R. Fergus, Y. LeCun // Computer Vision and Pattern Recognition. Columbus, 2013. pp. 1082-1090.Sermanet P. OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks / P. Ser-manet, D. Eigen, X. Zhang, M. Mathieu, R. Fergus, Y. LeCun // Computer Vision and Pattern Recognition. Columbus, 2013. pp. 1082-1090.Girshick R. Rich feature hierarchies for accurate object detection and semantic segmentation / R. Girshick, J. Donahue, T. Darrell, J. Malik // Computer Vision and Pattern Recognition. Columbus, 2014. pp. 580-587.Girshick R. Rich feature hierarchies for accurate object detection and semantic segmentation / R. Girshick, J. Donahue, T. Darrell, J. Malik // Computer Vision and Pattern Recognition. Columbus, 2014. pp. 580-587.Cheng M.-M. BING: Binarized Normed Gradients for Objectness Estimation at 300fps / M.-M. Cheng, Z. Zhang, W. Y. Lin, P. Torr // Computer Vision and Pattern Recognition. Puerto-Rico, 2014. pp. 260-275.Cheng M.-M. BING: Binarized Normed Gradients for Objectness Estimation at 300fps / M.-M. Cheng, Z. Zhang, W. Y. Lin, P. Torr // Computer Vision and Pattern Recognition. Puerto-Rico, 2014. pp. 260-275.Немков Р. М. Экспериментальное исследование и анализ влияния базовых параметров сверточных нейронных сетей на качество их обучения / Р. М. Немков, О. С. Мезенцева // Вестник Северо-Кавказского федерального университета. Ставрополь. 2013. №3 (36). C. 21-26.Немков Р. М. Экспериментальное исследование и анализ влияния базовых параметров сверточных нейронных сетей на качество их обучения / Р. М. Немков, О. С. Мезенцева // Вестник Северо-Кавказского федерального университета. Ставрополь. 2013. №3 (36). C. 21-26.

The authors declare that there are no conflicts of interest present.