У роботі проаналізовано та порівняно сучасні моделі глибинного навчання для задач класифікації зображень МРТ колінного суглоба. Проаналізовано сучасні глибинні архітектури комп’ютерного зору для виділення ознак із зображень МРТ. Такий аналіз використано для створення прикладних архітектур моделей машинного навчання. Вказані моделі орієнтовані на автоматизацію процесу діагностування травм коліна у медичних приладах та системах.
Задача класифікації зображень є дуже важливою сучасною проблемою в області комп’ютерного зору. Перші підходи до розв’язання цієї задачі полягали у використанні класичних алгоритмів. Незважаючи на певний прогрес, отриманий, класичними підходами, більшість складніших задач класифікації зображень залишались нерозв’язаними до моменту використання алгоритмів машинного навчання. Перші спроби застосування машинного навчання до задачі розпізнавання зображень допомогли класифікувати набори ознак, які опрацювати прямими алгоритмами не вдавалось.
The quarantine restrictions introduced during COVID-19 are necessary to minimize the spread of coronavirus disease. These measures include a fixed number of people in the room, social distance, wearing protective equipment. These restrictions are achieved by the work of technological control workers and the police. However, people are not ideal creatures, quite often the human factor makes its adjustments.
The problem of finding objects in images using modern computer vision algorithms has been considered. The description of the main types of algorithms and methods for finding objects based on the use of convolutional neural networks has been given. A comparative analysis and modeling of neural network algorithms to solve the problem of finding objects in images has been conducted. The results of testing neural network models with different architectures on data sets VOC2012 and COCO have been presented.