РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ В КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ: ОБЗОР МЕТОДОВ И ВЫБОР ПОДХОДА

Распознавание изображений играет ключевую роль в корпоративных информационных системах (КИС), широко применяясь в обеспечении безопасности, мониторинге, управлении активами и автоматизации бизнес‑процессов. Эта технология позволяет организациям эффективно анализировать визуальную информацию, повышая качество принятия решений и сокращая время обработки данных. Современные методы обработки изображений включают как традиционные алгоритмы компьютерного зрения, так и передовые подходы, основанные на машинном обучении, такие как сверточные нейронные сети (CNN) и трансформеры (Transformers). В статье анализируются существующие методы, их преимущества и ограничения. Особое внимание уделено современным моделям машинного обучения, которые демонстрируют высокую точность в задачах классификации. Предложена методология на основе Transfer Learning с использованием архитектуры ResNet, что позволяет существенно повысить точность классификации изображений даже при ограниченном объеме данных для обучения. Результаты исследования показывают, что использование нейронных сетей значительно улучшает производительность систем распознавания изображений, снижая ошибки и повышая скорость обработки данных. Статья также обсуждает возможные пути улучшения текущих моделей и направления дальнейших исследований, включая интеграцию технологий компьютерного зрения в корпоративные системы.

распознавание изображений, машинное обучение, информационные системы, нейронные сети, компьютерное зрение, трансформеры, анализ изображений, аутентификация.

2026-03-30