Выбор размерности полносвязного классификатора нейросети в зависимости от объёма обучающего набора в задаче бинарного распознавания дефектов

DOI: 10.25728/avtprom.2023.04.07

На примере изделий из силицированного графита сравниваются результаты работы полносвязных классификаторов, обучавшихся на наборах изображений разного объёма. Приводятся графики изменения процента правильно распознанных изображений в процессе обучения классификаторов, анализируются особенности данных зависимостей. Показывается, что в случае бинарной классификации дефектов на изделиях из силицированного графита существует диапазон изменения числа нейронов классификатора, в пределах которого удаётся избежать проблем переобучения сети. Приводится архитектура полносвязного классификатора сети, а также настройки, использованные при обучении сети. Показано, что дообучение самого глубокого свёрточного блока нейронной сети не приводит к существенным изменениям в работе сети. Делается попытка объяснения данного эффекта.