Промышленные АСУ и контроллеры Аннотация к статье << Назад Анализ эффективности алгоритмов обучения на основе градиентного спуска в задаче дообучения предварительно обученной нейросети К.А. Баринов, К.В. Миколайчук Алгоритмы глубокого обучения на основе градиентного спуска в настоящее время успешно применяются для решения задач компьютерного зрения, таких как классификация объектов, детектирование и семантическая сегментация. Однако при вводе обученной нейросети в эксплуатацию возникает проблема неэффективного использования обучающих данных: большие объемы новых данных, обрабатываемых при помощи нейросети и содержащих полезные признаки, могли бы улучшить результаты работы алгоритма обучения, если бы были включены в процесс обучения. С целью решения этой проблемы в работе рассматриваются принципы работы алгоритма полуконтролируемого обучения нейросети для распознавания образов, приводится краткий обзор и сравнение трех вариантов обучения нейросети методом псевдо-разметки (Pseudo-labelling). Также приводятся результаты эксперимента, который показывает, что использование методов полуконтролируемого обучения в задаче распознавания экспонатов музея истории МАДИ позволяет увеличить среднюю точность нейросети (показатель mAP), уменьшив при этом объем обучающей выборки в 2 раза. Ключевые слова: нейронные сети; распознавание образов; полуконтролируемое обучение; Pseudo-labelling. DOI: 10.25791/asu.3.2022.1352 Стр. 09-17.