The Analysis of Noise Level of RGB Image Generated Using SOM

Чтобы выразить, насколько эффективно нейросеть распознает изображения, используется метод перекрестной проверки. Опираясь на данный метод, эффективность нейросети определяется как процент корректно опознанных изображений. Следовательно, чтобы выразить способность распознавать зашумленные изображения, необходимо подготовить коллекцию изображений с заданным диапазоном шума. Данное условие требует наличия автоматической системы для генерации изображений с шумом, когда в распоряжении исследователя есть только изображения без шума. RGB изображения с шумом можно сгенерировать посредством самоорганизующихся карт Кохонена (SOM). Целью данной работы является исследование зависимости уровня шума от параметров самоорганизующихся карт Кохонена: количества итераций обучения, скорости обучения и эффективной ширины. В данной работе предоставлена вся необходимая информация для генерации RGB изображений с шумом посредством использования SOM: описание SOM элементов, процесс обучения SOM, создание ассоциации между RGB изображением и весами синапсов нейрона, расчет уровня шума и шестиугольная SOM для генерации RGB изображений с отклонением цвета в сторону каждого цветового компонента. Для исследования зависимости уровня шума от параметров SOM была использована одномерная самоорганизующаяся карта из 5 нейронов. Модель из 5 нейронов была выбрана с целью объединить результаты в логические группы нейронов. Чтобы извлечь дополнительную информацию о влиянии эффективной ширины на уровень шума, экспериментальная модель была расширена до 7 нейронов. На основании полученных результатов были составлены рекомендации: какие диапазоны значений параметров самоорганизующийся карты использовать для контроля уровня шума RGB изображений.