Пошук академічних текстів

Інформація × Реєстраційний номер 2116U005985, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи СИСТЕМАТИЗАЦІЯ ПРОСТОРУ СТРУКТУРНИХ ОЗНАК НА ОСНОВІ МЕТОДІВ САМОНАВЧАННЯ З МЕТОЮ РЕЗУЛЬТАТИВНОГО РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ Автор Гороховатський В. О.Берестовський А. Е.Передрій О. О.Gorokhovatsky V. A.Berestovskyi A. E.Peredrii Е. О. Дата публікації 25-08-2016 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/76223 Видання National University "Zaporizhzhia Polytechnic" Опис 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. Додано в НРАТ 2026-02-09 Закрити