Αλγόριθμοι μηχανικής μάθησης για δημιουργία λεζάντας σε εικόνες

Abstract

Η εύρεση λεζάντας για μια εικόνα είναι ένα πρόβλημα στο οποίο έχει γίνει μεγάλη πρόοδος για την επίλυσή του τον τελευταίο καιρό. Αυτό οφείλεται στην εξέλιξη των αλγορίθμων μηχανικής μάθησης, και ειδικότερα των νευρωνικών δικτύων. Με την εξέλιξη των αλγορίθμων αυτών, έχουν εξελιχθεί και οι απαιτήσεις που έχουμε από αυτούς. Δηλαδή το πρόβλημα της εύρεσης λεζάντας σε μια εικόνα έχει μετασχηματιστεί στην εύρεση λεζάντας των διαφορετικών αντικειμένων που υπάρχει σε μια εικόνα. Αυτή την πιο γενική κατηγορία προβλημάτων την ονομάζουμε Εύρεση Αντικειμένων (Object Detection). Για την αντιμετώπιση του προβλήματος της εύρεσης αντικειμένων έχουν δημιουργηθεί πολλαπλοί αλγόριθμοι, οι οποίοι ακολουθούν διαφορετικές μεθοδολογίες ώστε να καταφέρουν να έχουν μεγαλύτερη αξιοπιστία και ταχύτητα ώστε να μπορέσουν να αξιοποιηθούν σε εφαρμογές στον πραγματικό κόσμο. Σε αυτήν την εργασία θα ασχοληθούμε με την εξέλιξη των νευρωνικών δικτύων για την αντιμετώπιση του προβλήματος της εύρεσης αντικειμένων, θα συγκρίνουμε πέντε από τους πιο δημοφιλείς αλγορίθμους [2] [24] [17] [4] [28], θα εξηγήσουμε τις στρατηγικές που ακολουθούν και θα τους αξιολογήσουμε με τη χρήση συγκεκριμένων μετρικών [3] [5]. Τέλος, θα δούμε αν οι συγκεκριμένες στρατηγικές που ακολουθούν τους εξειδικεύουν στην επίλυση συγκεκριμένων προβλημάτων.

Image labeling is a fundamental problem in computer science, and in the last few years, great progress has been made towards its solution. This progress is caused by breakthroughs in machine learning algorithms, with the most prominent one being Neural Networks. Due to the rapid evolution of these algorithms, the problems that we can solve by using them have become more complex. The task of simply finding the label of an image has evolved to finding the label of all objects that an image contains. This new category of problems is called Object Detection. In order to tackle this new problem, multiple machine learning algorithms have been created, each one trying to approach the problem from a different angle, striving for maximum precision and inference speed, with the main goal of applying those algorithms in order to solve real world problems. In this experiment we will compare five of the most popular algorithms [2] [24] [17] [4] [28], and we will describe the different strategies that they utilize, then we will compare them using certain standardized metrics [3] [5]. And lastly, we will draw conclusions regarding their effectiveness, and if there are certain types of problems that some of those algorithms might specialize in.