Обучение свёрточной нейронной сети на трёхмерных объектах

В данном исследовании изучается подход к обучению сверточных нейронных сетей с использованием трехмерной компьютерной графики для представления набора данных. Сверточные нейронные сети обучаются и классифицируют объекты, используя ортогональные проекции трехмерных объектов. Одной из сложностей, возникающих в процессе классификации, является зеркальное отображение объекта, которое можно преодолеть с помощью коэффициента корреляции Пирсона. В ходе работы был проведен анализ архитектуры существующих решений для эффективного распознавания изображений и записи визуальной информации, которые могут быть использованы в качестве основы для сверточной нейронной сети. Для обеспечения корректной работы подготовленной нейронной сети были созданы объекты трехмерной графики, и после получения необходимой трехмерной модели, было создано черно-белое изображение. Именно на этих черно-белых изображениях обучается программа для распознавания объектов. Экспериментально доказано успешное функционирование нейронной сети. Таким образом, становится возможным распознавание реальных объектов на основе сверточных нейронных сетей, подготовленных в виртуальном окружении.