Improving accuracy of detecting dangerous objects with deep learning

In this article, the problem of detecting dangerous objects with deep learning is presented. Convolutional Neural Networks are created with Python language ecosystem (Theano and Keras libraries), and then trained with different number of layers and different parameters. Accuracy of detection dangerous objects for artificial Neural Network with smaller number of layers is computed and obtained result is improved with deep learning. CIFAR-10 dataset is used due to useful classes included.

---

W artykule przedstawiono problem detekcji niebezpiecznych obiektów przy użyciu technik deep learning. Konwolucyjne sieci neuronowe tworzone są przy pomocy bibliotek języka Python takich jak Keras i Theano, a następnie trenowane są przy różnej liczbie warstw i z różnymi parametrami. Skuteczność detekcji niebezpiecznych obiektów dla małej liczby warstw sztucznej sieci neuronowej jest obliczana, a uzyskany wynik jest ulepszany przy użyciu technik deep learning. Zbiór danych CIFAR-10 został wykorzystany w badaniach z powodu dużej użyteczności występujących w nim klas.