Диссертация на соискание учёной степени кандидата технических наук.
— Краснодар: Кубанский государственный технологический университет,
2015. — 130 с.
Специальность: 05.13.01 – Системный анализ управление и обработка информации(информационные и технические системы). Целью диссертационной работы является разработка метода распознавания визуальных образов, способного решать проблему инверсии для различных отраслей применения, распознавая трехмерные объекты окружающего мира с учетом их инвариантных преобразований. Содержание.
Аналитический обзор современных методов распознавания изображений.
Обучение с учителем. Искусственные нейронные сети. Метод опорных векторов.
Компактные целостные представления. Снижение размерности. Метод главных компонент.
Обнаружение локальных признаков. Сверточные нейронные сети.
Использование пространственных отношений при распознавании. Констелляционные модели.
Методы оценки эффективности распознавания.
Разработка модели репрезентации объекта на изображении.
Математический аппарат модели.
Структура локального эквивариантного детектора модели.
Трансформирующий автоэнкодер как элементарная единица иерархической модели.
Обучение модели в потоке данных.
Разработка комплекса алгоритмов обучения и распознавания изображений.
Алгоритм выделения локальных признаков.
Алгоритм оптического трекинга.
Алгоритм обучения трансформирующего автоэнкодера.
Алгоритм распознавания изображений.
Результаты исследования и экспериментальные данные.
Планирование эксперимента.
Оценка эффективности работы трансформирующего автоэнкодера.
Оценка эффективности распознавания изображений.
Локализация объектов в композитных сценах.
Специальность: 05.13.01 – Системный анализ управление и обработка информации(информационные и технические системы). Целью диссертационной работы является разработка метода распознавания визуальных образов, способного решать проблему инверсии для различных отраслей применения, распознавая трехмерные объекты окружающего мира с учетом их инвариантных преобразований. Содержание.
Аналитический обзор современных методов распознавания изображений.
Обучение с учителем. Искусственные нейронные сети. Метод опорных векторов.
Компактные целостные представления. Снижение размерности. Метод главных компонент.
Обнаружение локальных признаков. Сверточные нейронные сети.
Использование пространственных отношений при распознавании. Констелляционные модели.
Методы оценки эффективности распознавания.
Разработка модели репрезентации объекта на изображении.
Математический аппарат модели.
Структура локального эквивариантного детектора модели.
Трансформирующий автоэнкодер как элементарная единица иерархической модели.
Обучение модели в потоке данных.
Разработка комплекса алгоритмов обучения и распознавания изображений.
Алгоритм выделения локальных признаков.
Алгоритм оптического трекинга.
Алгоритм обучения трансформирующего автоэнкодера.
Алгоритм распознавания изображений.
Результаты исследования и экспериментальные данные.
Планирование эксперимента.
Оценка эффективности работы трансформирующего автоэнкодера.
Оценка эффективности распознавания изображений.
Локализация объектов в композитных сценах.