Obraz tanıma nəzəriyyəsi

Vikipediya, azad ensiklopediya
Jump to navigation Jump to search
Xüsusi bir proqramla avtomatik üz tanıma

Obraz tanıma nəzəriyyəsi — bəzi xüsusiyyətlər və atributların məhdud dəsti ilə xarakterizə olunan obyektlərin, hadisələrin, proseslərin, siqnalların, vəziyyətlərin və s. obyektlərin təsnifləşdirilməsi və müəyyənləşdirilməsinin əsaslarını və metodlarını inkişaf etdirən kompüter elmləri və əlaqəli fənlər bölümü. Bu cür problemlər çox vaxt həll olunur, məsələn, yol siqnallarına görə küçəni keçərkən və ya sürərkən. İşıqlı bir işıqforun rəngini tanımaq və yol qaydalarını bilmək, küçəni keçə bilməyəcəyiniz barədə düzgün qərar qəbul etməyə imkan verir.

Bu cür tanınma ehtiyacı müxtəlif sahələrdə — hərbi işlərdən və təhlükəsizlik sistemlərindən analoq siqnalların rəqəmsallaşdırılmasına qədər yaranır.

Təsvirin tanınması problemi, insanın özünə gələn mesajları xətti-ardıcıl dərk etməsinin öhdəsindən gəlmədiyi, nəticədə beyni bu cür tanınma ilə xarakterizə olunan eyni vaxtda qavrayış və düşünmə rejiminə keçdiyi zaman, məlumatın həddən artıq yüklənməsi şəraitində böyük əhəmiyyət kəsb etmişdir.

Təsadüfi deyil ki, naxış tanıma problemi, fənlərarası tədqiqat sahəsində, o cümlədən süni intellektin yaradılması ilə əlaqədar olaraq ortaya çıxdı və nümunələrin tanınması üçün texniki sistemlərin yaradılması getdikcə diqqəti cəlb edir.

Obrazı tanımada istiqamətlər[redaktə | əsas redaktə]

İki əsas sahəsi vardır [1]:

  • Canlı varlıqların tanıma qabiliyyətlərinin öyrənilməsi, izahı və modelləşdirilməsi;
  • Tətbiqi məqsədlər üçün fərdi problemlərin həlli üçün nəzərdə tutulmuş qurğuların qurulması nəzəriyyəsi və metodlarının inkişafı.

Problemin rəsmi ifadəsi[redaktə | əsas redaktə]

Obrazın tanınması, bu məlumatları qeyri-vacib məlumatların ümumi kütləsindən xarakterizə edən əsas xüsusiyyətləri vurğulamaqla mənbəli məlumatların müəyyən bir sinfə təyin edilməsidir.

Tanıma problemlərini təyin edərkən, süni neyron şəbəkələri nəzəriyyəsindən fərqli olaraq[2] səy göstərərək riyazi dili istifadə etməyə çalışırlar, burada əsas təcrübə nəticəsində nəticə əldə etmək, sınağı məntiqi əsaslandırma və riyazi sübutlarla əvəz etməkdir [3].

Obrazı tanıma probleminin klassik formalaşdırılması [4]: ​​Bir çox obyekt verilmişdir. Onlara münasibətdə bir təsnifat aparmaq lazımdır. Bir dəst siniflər adlanan alt dəstlərlə təmsil olunur. Verilmişdir: siniflər haqqında məlumat, bütün dəstin təsviri və müəyyən bir sinfə üzv olduğu bilinməyən bir obyekt haqqında məlumatın təsviri. Siniflər və obyektin təsviri haqqında mövcud məlumata görə, bu obyektin hansı sinfə aid olduğunu müəyyənləşdirmək tələb olunur.

Çox vaxt monoxrom görüntülər nümunə tanıma problemlərində nəzərə alınır, bu da görüntüyü təyyarədəki bir funksiya olaraq nəzərdən keçirməyə imkan verir. müstəvisinə qoyulmuş bir nöqtəni nəzərdən keçirsək, burada şəkilin hər nöqtəsində öz xarakterin — parlaqlıq, şəffaflıq, optik sıxlığı ifadə edir; rəsmi görüntü qeydiyyatı.

Ancaq bütün mümkün funksiyaların dəsti təyyarədə bütün görüntülər dəstinin modelidir. Şəkillər arasındakı oxşarlıq anlayışını tanıdaraq tanıma problemi yarada bilərik. Belə bir formalaşmanın xüsusi forması, bir yanaşma və ya digərinə uyğun olaraq tanınmanın sonrakı addımlarından çox asılıdır.

Qrafik şəkillərin tanınmasının bəzi üsulları[redaktə | əsas redaktə]

Optik obrazın tanınması üçün bir cismin görünüşünü müxtəlif bucaqlarda, tərəzidə, ofsetdə və s. Sıralama üsulunu tətbiq edə bilərsiniz. Məktublar üçün şrift, şrift xüsusiyyətləri və s. üzrə sıralamaq lazımdır.

İkinci yanaşma, obyektin konturunu tapmaq və onun xüsusiyyətlərini (bağlantı, açıların olması və s.) araşdırmaqdır.

Digər bir yanaşma süni neyron şəbəkələrindən istifadə etməkdir. Bu üsul ya tanıma probleminin çox sayda nümunəsini (düzgün cavablar ilə) və ya bu problemin xüsusiyyətlərini nəzərə alan xüsusi bir sinir şəbəkəsini tələb edir.

Obraz tanıma metodu Perseptron[redaktə | əsas redaktə]

Vəziyyəti, quruluşu və funksional xüsusiyyətləri təsvir edilən bəzi fiziki sistemdə psixoloji hadisələrin necə yarana biləcəyini göstərmək olan beyin modeli konsepsiyasını təqdim edən Frenk Rozenblat, ayrıseçkilik mövzusunda ən sadə təcrübələri izah etdi. Bu təcrübələr tamamilə nümunə tanıma metodları ilə əlaqədardır, lakin həll alqoritminin müəyyənedici olmadığı ilə fərqlənir.

Müəyyən bir sistem haqqında psixoloji cəhətdən əhəmiyyətli məlumat əldə etmək mümkün olan ən sadə təcrübə, modelə iki fərqli stimulun təqdim edildiyi və bunun fərqli şəkildə onlara reaksiya verməsi tələb olunur. Belə bir eksperimentin məqsədi, eksperimentatorun müdaxiləsi olmadığı təqdirdə sistem tərəfindən kortəbii ayrıseçkilik etmə ehtimalının öyrənilməsi və ya əksinə, eksperimentator sistemin lazımi təsnifatı həyata keçirmək üçün təlim keçməsinə çalışmasıdır.

Perseptronun tədrisi ilə aparılan təcrübədə ümumiyyətlə fərqlənəcək siniflərin hər birinin nümayəndələrini daxil edən müəyyən ardıcıllıqla şəkillər təqdim olunur. Yaddaş modifikasiyasının bəzi qaydalarına uyğun olaraq, düzgün reaksiya seçimi gücləndirilir. Sonra nəzarət stimulu perkestrona təqdim olunur və bu sinifin stimullarına düzgün cavab almaq ehtimalı müəyyənləşdirilir. Seçilən idarəetmə stimulunun təlim ardıcıllığında istifadə olunan görüntülərdən biri ilə üst-üstə düşməməsindən və ya uyğun gəlməməsindən asılı olaraq fərqli nəticələr əldə edilir:

  1. Nəzarət stimulu təlim stimullarının heç biri ilə üst-üstə düşmürsə, təcrübə yalnız təmiz fərq ilə deyil, ümumiləşdirmə elementlərini də əhatə edir.
  2. Nəzarət stimulu, eyni sinifin əvvəllər təqdim edilmiş stimulları ilə aktivləşdirilmiş olan elementlərdən tamamilə fərqli bir hissə hissəsini həyəcanlandırırsa, təcrübə saf ümumiləşdirmə işidir.

Perseptronların sırf ümumiləşdirmə qabiliyyəti yoxdur, lakin ayrı-ayrılıqda eksperimentlərdə olduqca qənaətbəxş fəaliyyət göstərirlər, xüsusən nəzarət stimulu qavrayışın artıq təcrübə qazandığı görüntülərdən birinə yaxından baxsalar.

İstinadlar[redaktə | əsas redaktə]

  1. Ту Дж., Гонсалес Р. Принципы распознавания образов, М. 1978
  2. Маткасым Н. Н. Распознавание образов с помощью нейронных сетей (Технологии Microsoft в теории и практике программирования : сборник трудов XIII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых, г.Томск, 22-23 марта 2016 г.). 23–25.
  3. Файн В. С. Опознавание изображений, М. 1970
  4. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. – М.: Наука, 1978, вып. 33. – С. 5-68.

Ədəbiyyat[redaktə | əsas redaktə]

  • Аркадьев А. Г., Браверман Э. М. Обучение машины распознаванию образов. — М.: Наука, 1964
  • Бонгард М. М. Проблема узнавания.— М.: Физматгиз, 1967.
  • А. Г. Аркадьев, Э. М. Браверман. Обучение машины классификации объектов. М.: Наука, 1971.
  • Горелик А. Л., Скрипкин В. А. (1984, 2004). Методы распознавания (4-е изд). М.: Высшая школа.
  • Вапник, Владимир Наумович, Червоненкис, Алексей Яковлевич (1974). Теория распознавания образов. М.: Наука.
  • Васильев В. И. (1983). Распознающие системы. Справочник (2-е изд). К.: Наукова думка.
  • Л. Шапиро, Дж. Стокман. (2006) [Computer Vision]. Компьютерное зрение. М.: Бином. Лаборатория знаний. ISBN 5-947-74384-1.
  • Фомин, Ярослав Алексеевич (2012). Распознавание образов: теория и применения (2-е изд). М.: ФАЗИС. ISBN 978-5-7036-0130-4.
  • Фомин, Ярослав Алексеевич, Тарловский, Геннадий Рудольфович (1986). Статистическая теория распознавания образов. М.: Радио и связь.
  • Форсайт Дэвид А., Понс Джин. (2004) [Computer Vision: A Modern Approach]. Компьютерное зрение. Современный подход. М.: Вильямс (издательство). ISBN 0-13-085198-1.
  • Чэн Ш.-К. (1994). Принципы проектирования систем визуальной информации. М.: Мир.
  • Лбов Г. С. (1981). Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука.
  • Барабаш Ю. Л., Варский Б. В., Зиновьев В. Т. (1967). Вопросы статистической теории распознавания. М: Советское радио.

Xarici keçidlər[redaktə | əsas redaktə]