Целью данной работы является исследование возможности применения  фундаментальной модели нейронной сети для решения задачи сегментации в специфических предметных областях в условиях ограниченных ресурсов. Также в процеcсе работы будет предложено и реализовано архитектурное решение, основанное на фундаментальных моделях для предлагаемой предметной области. Задачи, которые решались в ходе исследования: A. Анализ литературы решения задачи сегментации B. Описание предлагаемого решения C. Предобработка и анализ данных D. Проведение численных экспериментов В процессе работы была изучена тяжеловесная фундаментальная модель, которая помогает решать задачи компьютерного зрения, а также базирующаяся на ней более легковесная модель, которая в последующем будет использована в предлагаемом алгоритме. В результате работы было разработано решение, включающее в себя универсальную модель, базирующуюся на фундаментальной, способную решать задачу специфической предметной области без дополнительного обучения самой фундаментальной модели напрямую. Был произведен сравнительный анализ, в котором сравнивались между собой два решения: предлагаемый в данной работе алгоритм, и специально обученная под данную задачу сверточная модель нейронной сети. Сравнение происходило по представленным метрикам, занимаемой памяти, а также времени обучения и работы. Полученные результаты могут быть использованы для дальнейшего анализа и улучшения предложенного решения под специфику других областей.

The purpose of this work is to investigate the possibility of using a fundamental neural network model to solve the problem of segmentation in specific subject areas in conditions of limited resources. Also, in the process of work, an architectural solution based on fundamental models for the proposed subject area will be proposed and implemented. Tasks that were solved during the research: A. Literature analysis for solving the segmentation problem B. Description of the proposed solution C. Data preprocessing and analysis D. Conducting numerical experiments In the process of work, a heavyweight fundamental model was studied, which helps to solve computer vision problems, as well as a more lightweight model based on it, which will later be used in the proposed algorithm. As a result of the work, a solution was developed that includes a universal model based on the fundamental one, capable of solving the problem of a specific subject area without additional training of the fundamental model itself directly. A comparative analysis was performed, in which two solutions were compared: the algorithm proposed in this paper, and a convolutional model of a neural network specially trained for this task. The comparison took place according to the presented metrics, occupied memory, as well as training and work time. The results obtained can be used for further analysis and improvement of the proposed solution for the specifics of other areas.

• Инструменты сегментации дефектов печатных плат
  • Введение
  • 1. Анализ существующих решений
  • 2. Описание предлагаемого решения
  • 3. Анализ и обработка данных
  • 4. Численные эксперименты
  • Заключение
  • Список использованных источников