Выбор архитектуры и средств реализации сверточной нейронной сети?

Необходимо определить архитектуру сверточной НС, а также средства для ее реализации для следующей задачи:
НС нужна для системы визуального контроля качества продукции (определение бракованных колпачков).
На вход подаются изображения 1000x1000px (Сжимать их нельзя, так как могут пропасть мелкие дефекты).
В работе нужно будет классифицировать 60 изображений в секунду! (Это возможно?)
Вычисления производятся на GPU (GTX-1080 Ti)


Если я правильно понимаю, это задача классификации. НС во время обучения должна выделить признаки бракованного изделия и определить: брак/не брак.

  • Какую архитектуру можно использовать для решения этой задачи?
  • Можно ли использовать уже имеющиеся архитектуры (AlexNet, VGG, ...) и оптимизировать их конкретно для этой задачи?
  • Можно ли вообще использовать сверточную НС для этой задачи? Справится ли она с выявлением брака(например: мелкие черные точки или неправильная геометрическая форма)?
  • Как лучше реализовать подобную НС?
  • Какой фреймворк лучше использовать?
  • Какой язык программирования: Python/C++/MATLAB?
Очень прошу помочь компетентных в этой сфере людей!!!
Что можно почитать на эту тему и как с ней разобраться??
  • Вопрос задан
  • 802 просмотра
Пригласить эксперта
Ответы на вопрос 3
@dmshar
Вообще-то ответ на три первых заданных вопроса - это нехилая себе такая работа. С соответствующим анализом, сравнением и пр. необходимыми атрибутами.
Ответ на три последних - это на уровне студента первокурсника-троечника(отличники даже на первом курсе таких вопросов уже не задают).
Поэтому, исходя из заданных вопросов, у вас есть два пути. Лучшее что вы можете сделать - если не хотите, конечно, с треском завалить проект - это нанять компетентного в этих вопросах человека. Дорого конечно, но за знания и умения (других) надо платить.
Второй путь - самостоятельно разобраться в теме, благо литературы - навалом, даже как-то не совсем удобно их тут перечислять. Ну, для затравки, разве что:
1. Хайкин Нейронные сети полный курс. 2 издание
2. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018
3. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение -М.: ДМК Пресс, 2018.
4. David Kriesel A Brief Introduction to Neural Networks
(вон, в комментах вам даже чью-то докторскую диссертацию по ходу освоить предложили :-). Правда не думаю, что вы в ней разберетесь, не освоив истоки)
Ну и в интернете ссылок более чем много. Для совсем ленивых - есть видеокурсы. Даже на русском :-)
Только долгий этот путь. Так что лучше все-таки - первый.
Ответ написан
@asd111
Зайдите на ODs.ai, вступите в группу и там у специалистов спросите. Заодно можете найти там исполнителя. Это слак группа по машинному обучению и в ней есть те кто выигрывал соревнования по классификации изображений.
Ответ написан
@ivodopyanov
NLP, python, numpy, tensorflow
https://github.com/RedditSota/state-of-the-art-res...
Вот тут есть ссылки на SOTA (state-of-the-art) архитектуры для различных задач + их реализации на различных языках. Можно взять какое-нибудь решение с результатами на более-менее нормальном датасете (не на MNIST), разобраться как засунуть туда данные и прокрутить.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы
ВЫМПЕЛ Москва
от 100 000 до 200 000 руб.
Chudo Москва
от 90 000 до 180 000 руб.
АО «НИИМЭ» Зеленоград
от 100 000 до 170 000 руб.
18 нояб. 2019, в 14:40
5000 руб./за проект
18 нояб. 2019, в 14:35
5000 руб./за проект
18 нояб. 2019, в 14:13
10000 руб./за проект