Search academic texts

Information × Registration Number 2116U005985, Article popup.category Опубліковано, Стаття Title SYSTEMATIZATION OF SPACE OF STRUCTURAL FEATURES BASED ON SELF-LEARNING METHODS FOR EFFECTIVE IMAGE RECOGNITION popup.author Гороховатський В. О.Берестовський А. Е.Передрій О. О.Gorokhovatsky V. A.Berestovskyi A. E.Peredrii Е. О. popup.publication 25-08-2016 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/76223 popup.publisher National University "Zaporizhzhia Polytechnic" Description Робота присвячена дослідженню питань кластеризації для множин характерних ознак зображень. Для побудови масиву характерних ознак використаний метод Speeded Up Robust Features. Реалізовані алгоритми кластеризації структурних описів зображень на основі самоорганізуючої нейронної мережі Кохонена та методу різницевого групування. Об’єктом дослідження є методи кластеризації стосовно до множин структурних ознак. Метою роботи є побудова векторних уявлень описів на основі кластеризації, що підвищує швидкодію розпізнавання. Предметом дослідження є систематизація множин структурних ознак візуальних об’єктів. Обговорюються результати застосування методів кластеризації для структурних описів зображень у вигляді множин характерних ознак з метою підвищення швидкодії розпізнавання візуальних об’єктів. Для систематизації та стиснення простору ознак запропоновано здійснити самонавчання із застосуванням методів різницевого групування і мереж Кохонена. Проведено моделювання та експериментальні дослідження методів кластеризації на прикладах конкретних множин характерних ознак. Результати досліджень доводять можливість ефективного представлення описів у вигляді вектора з цілочисельними елементами. Даний підхід може використовуватися для вирішення задач розпізнавання і пошуку зображень. У результаті побудовано компактний векторний опис еталонів, отримані кількісні оцінки помилки кластеризації, підтверджена працездатність методів для прикладної бази зображень. popup.nrat_date 2026-02-09 Close