Выбор архитектуры и средств реализации сверточной нейронной сети?

Question

[Geomags]

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??

Comments

[Roman]

Почитать можно www.niiin.ru/upload/medialibrary/155/15595e29e85ac...
стр 60-112 не обращайте что там металлопрокат принципы одинаковые.

Answer 1

[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.

Comments

[sim3x]

Вообще-то ответ на три первых заданных вопроса - это

система за много американских денег

Answer 2

[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.

Answer 3

[ivodopyanov]

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.