Neural Networks Efficiency in Chart Image Classification

Duboke umjetne neuronske mreže danas su najpouzdaniji, najbrži, te najefektivniji način za rješavanje problema vezanog uz prepoznavanje slika. Korištenjem dubokih umjetnih neuronskih mreža omogućava se učenje mreže na velikoj količini podataka čije rezultate kasnije možemo upotrijebiti u analizi istih (npr. prepoznavanje lica osoba na aerodromima). U ovom radu opisane su osnovne stvari potrebne za razumijevanje umjetnih neuronskih mreža te je opisano koje su mreže pouzdanije za jednak dataset. Na kraju je pokazano da je VGG11 mreža postigla najbolje rezultate i da je u usporedbi s ostalima njeno korištenje najbolje pri klasificiranju grafičkih prikaza.Deep artificial neural networks are today the most reliable, fastest and most effective way to solve the problem of image recognition. By using deep artificial neural network on large amount of data, the results of which can later be used in the analysis of the same (e.g. recognizing a person's face at airports). This paper describes the basic things needed to understand artificial neural networks and describes which networks are more reliable for the same dataset. In the end, it was shown that the VGG11 network achieved the best results and that, compared to the others, its use is the best for graphic classifying representation