РОЗПІЗНАВАННЯ КОЛЬОРОВИХ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ КВАТЕРНІОННИХ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

Анотація

У статті розв'язано актуальну науково-практичну проблему підвищення параметричної ефективності та стійкості систем комп’ютерного зору до колірних і хроматичних спотворень шляхом застосування апарату алгебри кватерніонів Гамільтона. Запропоновано декілька архітектур кватерніонних згорткових нейронних мережі (QCNN) для класифікації кольорових зображень та обґрунтувано ефективність обраних рішень. Реалізовано кастомний згортковий шар XLA-компіляції та специфікації keras.ops. Запропоновано стабілізовану W архітектуру Stable QCNN, яка поєднує в собі QConv2D, який здійснює некомутативний добуток Гамільтона у середовищі TensorFlow/Keras 3 із підтримкою параметризоване занурення колірного простору через Conv2D(4,1x1), функцію активації GELU, нормовану кватерніонну ініціалізацію ваг та навчання з різними швидкостями.

Щоб перевірити результати, ми провели детальне порівняння чотирьох типів моделей: Standard CNN, Basic QCNN, Improved QCNN та Stable QCNN. Тестування проходило на трьох різних наборах даних з додаванням різних типів спотворень, а саме на CIFAR-10-C, SVHN з адитивним хроматичним шумом та Oxford Flowers-102. Доведено, що кватерніонне представлення кольору забезпечує вищу стійкість до високочастотного гаусового та незалежного хроматичного зашумлення каналів порівняно зі скалярними CNN.

Під час тестів на датасеті Натомість чисто кватерніонна σ мережа = 0.4 Basic QCNN виявилася набагато стійкішою, показавши падіння лише на 31.82%. SVHN при високому рівні шуму з'ясувалося, що скалярна модель Standard CNN втратила аж 71.76% точності.

До того ж вона потребує у 3.4–3.6 раза менше параметрів (всього 0.67M замість 2.27M) і навчається у 4.2–4.4 раза швидше. Наприклад, на одну епоху витрачається лише 31.4 с замість 138.1 с.

На датасеті Oxford Flowers-102 гібридна модель Improved QCNN досягла точності Top-1 80.34% та Top-5 95.05%. Досліджено оптимальний баланс між глибиною і шириною мережі для досягнення максимальної точності при обмежених обчислювальних витратах.

Ключові слова: кватерніонні згорткові нейронні мережі, QCNN, добуток Гамільтона, Keras 3, TensorFlow, комп'ютерний зір, хроматичний шум, CIFAR-10-C, SVHN, Oxford Flowers-102, параметрична ефективність.