A neural network method for detecting and classifying images to evaluate the socio-psychological level of individual adaptation

Full Text

ВВЕДЕНИЕ

В настоящее время современные исследования в области нейронных сетей активно внедряются в различные сферы для повышения качества жизни, в том числе в область психологии. Сочетание информационных технологий и методов психологической диагностики служит основой для получения более полной и точной информации о личностных особенностях человека, что обеспечивает объективность обработки информации за счет внедрения цифровых технологий в области автоматизации анализа результатов тестирования. Эти методики широко используются в практической диагностике, поскольку зачастую служат единственным источником достоверной информации о внутреннем состоянии человека, выполняя роль средства коммуникации между психологом и обследуемым. Особое значение приобретает анализ рисуночных тестов, которые представляют собой разновидность психографических методов.

Одной из наиболее известных методик такого рода является тест «Дом – дерево – человек», предложенный Дж. Буком [12]. В ходе тестирования испытуемому предлагается изобразить все три объекта на одном листе бумаги. Создавая рисунок, человек невольно, а иногда и сознательно, передает через него свое отношение к изображаемым объектам, что, в свою очередь, раскрывает его отношение к различным аспектам собственной личности. Ключевыми диагностическими параметрами при этом выступают размер и относительный масштаб каждого объекта, его расположение на листе, характер линий и штриховки [2; 5; 14]. Таким образом, рисунок представляет собой сложное сообщение, закодированное в визуальных образах, а задача психолога заключается в его точной расшифровке и интерпретации. Для обеспечения объективности и повышения точности анализа требуется исключить субъективный фактор на этапе идентификации изображаемых объектов. Измерение параметров при субъективном анализе затруднено в силу влияния человеческого фактора. Следовательно, корректное определение и классификация каждого графического элемента составляют обязательный фундамент для любого последующего анализа.

Применение нейросетевых технологий для анализа сложных данных продемонстрировало высокую эффективность в финансах [11], социологии [1; 4] и медицине [7; 10], что обосновывает целесообразность их использования в задачах автоматизации психологической диагностики [6; 8], включая анализ рисуночных тестов. Существующие подходы к интерпретации рисуночных методик во многом зависят от субъективного экспертного мнения и характеризуются значительными временными затратами, что ограничивает объективность и воспроизводимость результатов. В рамках данного исследования рассматривается задача автоматической детекции и классификации графических объектов, формирующих составной рисуночный образ. Для её решения проводится сопоставительная оценка эффективности современных архитектур детекции объектов на основе моделей YOLOv8 и Faster R-CNN [3; 9; 13], а также модифицированной версии Faster R-CNN с механизмом внимания. Новизна работы заключается в комплексной оценке указанных архитектур применительно к задаче детекции и классификации объектов в рисуночных тестах, что позволяет автоматизировать наиболее трудоёмкий этап анализа и повысить объективность получаемых результатов.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

В рамках данного исследования рассматривался набор рукописных рисунков, выполненных на стандартных листах формата А4. Каждое изображение содержит пять обязательных объектов: дом, дерево, человек, солнце и облако. Все рисунки выполнены фломастерами восьми различных цветов: красным, оранжевым, желтым, зеленым, синим, фиолетовым, черным, серым. Общий объем датасета составил 586 изображений. Пример исходного изображения представлен на рисунке 1. Выходными данными каждого изображения является набор ограничивающих прямоугольников для всех обнаруженных объектов и их классовая принадлежность.

 

Рисунок 1. Пример исходного изображения из датасета

 

Для обучения и оценки моделей исходный набор данных был разделен на обучающую и тестовую выборки в соотношении 70 % на 30 % соответственно. Обучающая выборка использовалась для тренировки моделей детекции, а тестовая – для оценки их способности к корректному прогнозированию координат ограничивающих прямоугольников и классификации объектов. Для разметки объектов на изображениях обучающей выборки применялся инструмент Label studio, где каждый объект размечался вручную с помощью ограничивающего прямоугольника (bounding box). Результаты разметки сохранены в формате YOLO в виде текстовых файлов, содержащих класс и нормированные координаты каждого ограничивающего прямоугольника.

В исследовании сравниваются три модели для детекции объектов: YOLOv8, Faster R-CNN и модифицированная Faster R-CNN с SE-модулем. Данные архитектуры выбраны как наиболее распространённые и эффективные представители двух разных подходов к детекции: одностадийного (YOLO) и двухстадийного (Faster R-CNN), что позволяет провести всестороннее сравнение.

1. Архитектура YOLOv8

Архитектура YOLOv8 представляет собой одностадийную сверточую нейронную сеть, где предсказание классов и координат объектов выполняется за один проход. В скрытых слоях используется функция активации SiLU. В выходном слое применяется функция активации Sigmoid. В качестве оптимизатора по умолчанию используется AdamW с параметром обучения 0,001. Функция потерь является комбинированной, включающей несколько составляющих: ошибка классификации, ошибка координат, ошибка наличия объекта.

2. Архитектура Faster R-CNN

Архитектура Faster R-CNN представляет собой двухстадийную сверточую нейронную сеть, где сначала формируются регионы предложений, а затем для каждой области выполняются классификация и уточнение координат. В скрытых слоях используется функция активации ReLU. В выходном слое применяется функция активации softmax. В качестве оптимизатора используется SGD с параметром обучения 0,0025. Функция потерь является комбинированной, включает несколько составляющих: ошибка классификации, ошибка координат рамок, ошибка наличия объекта, ошибка уточнения якорей.

3. Усовершенствованная архитектура Faster R-CNN

Для повышения точности детекции объектов с варьирующимся размером и цветом в базовую архитектуру Faster R-CNN был интегрирован модуль внимания Squeeze-and-Excitation (SE) (рисунок 2). Данный модуль позволяет сети адаптивно перевзвешивать значимость характеристик (feature maps) по каналам, эффективно выделяя информативные признаки и подавляя маловажные. Таким образом, это позволяет сети придавать больше веса каналам, отвечающим за цвет и форму рисунков, и меньше – каналам, кодирующим белый фон, что способствует лучшему различению объектов, нарисованных разными цветами. В экспериментах использовался оптимизатор SGD с параметром обучения 0,0025 и включенным режимом Нестерова (Nesterov momentum) для ускорения сходимости и улучшения обобщающей способности. Структура функции потерь осталась аналогичной базовой версии Faster R-CNN.

 

Рисунок 2. Усовершенствованная архитектура Faster R-CNN с SE-модулем

 

Целью вычислительных экспериментов являлось сравнительное исследование эффективности архитектур YOLOv8, Faster R-CNN и модифицированной Faster R-CNN с SE-модулем в задачах детекции и классификации графических объектов. В процессе обучения отслеживалась динамика функции потерь на обучающей и валидационной выборках. Анализ показал, что модель YOLOv8 достигла минимального значения функции потерь 1,2508 на 40-й эпохе (рисунок 3). Модель Faster R-CNN достигла минимума валидационных потерь, равного 0,7574, на 6-й эпохе (рисунок 4). Последующий рост валидационной потери указывает на начало переобучения, поэтому оптимальным для данной модели было определено 6 эпох. Усовершенствованная Faster R-CNN с SE-модулем показала наилучший результат, достигнув минимального значения потерь 0,7463 на 5-й эпохе (рисунок 5). Незначительный рост валидационной потери на следующих эпохах также свидетельствует о начале переобучения, что позволяет считать 7 эпох оптимальным значением для данной архитектуры. Во всех случаях постепенное уменьшение функции потерь на начальных этапах подтверждает успешную сходимость моделей.

 

Рисунок 3. График функции потерь YOLOv8

 

Рисунок 4. График функции потерь Faster R-CNN

 

Рисунок 5. График функции потерь Faster R-CNN + SE

 

Для количественной оценки качества детекций проведено сравнение метрик точности (таблица 1). Анализ данных демонстрирует, что модификация Faster R-CNN с механизмом внимания показывает стабильно высокую точность для всех категорий. Особенно значительное улучшение по сравнению с базовой версией наблюдается для объектов «Дерево» (с 0,85 до 0,95) и «Солнце» (с 0,78 до 0,95). Модель YOLOv8 также продемонстрировала высокие и сбалансированные результаты по всем классам. Таким образом, для каждой модели достигнуты показатели точности более 94 % для большинства классов объектов.

 

Таблица 1. Точность детекции объектов

Архитектура	Дом	Дерево	Человек	Облако	Солнце
YOLOv8	0,98	0,99	0,98	0,98	0,96
Faster R-CNN	0,99	0,85	0,99	0,96	0,78
Faster R-CNN + SE	1,00	0,95	0,98	0,94	0,95

 

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

В работе представлен подход к автоматизации анализа рисуночных тестов на основе современных архитектур детекции объектов. Проведено сравнительное исследование эффективности архитектур YOLOv8, Faster R-CNN и его модифицированной версии с SE-модулем для задач детекции и классификации объектов в рисуночных тестах. Каждая модель продемонстрировала достаточно высокий уровень точности для большинства классов объектов. Экспериментальная валидация моделей показала эффективность предложенного подхода в области решения задач детекции и классификации рукописных объектов. Полученные результаты могут быть использованы в области психологической диагностики.

About the authors

Natalia M. Yaparova

South Ural State University (NRU)

Email: natyap7@mail.ru
ORCID iD: 0000-0003-1821-1159
SPIN-code: 6353-4685

Doctor of Engineering Science, Associate Professor

Russian Federation, Chelyabinsk

Olga Y. Mukharamova

Chelyabinsk Regional Center for Navigation and Information Technologies (IT Territory); South Ural State University (NRU)

Author for correspondence.
Email: kot2011yu@mail.ru

Data Analysis Specialist

Russian Federation, Chelyabinsk

References

Supplementary files