Вісник № 28

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/30891

Переглянути

Фільтри

20172

Налаштування

Ключові слова: search.filters.subject.image

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    An intellectual component recognition for security subsystem
    (NTU "KhPI", 2017) Drach, T. A.; Goloskokov, A. E.
    Discovered and proved the overall structure of the algorithms used in pattern recognition. A comparative analysis of methods and approaches to solving the problem of finding and identifying human face on the image. A modified algorithm for image scaling and clustering, which reduces the number of informative tracts candidates for the location of the research object (human face) is proposed. It is established that the use of neural networks coagulation makes a small number of errors in a large number of coagulation and other layers. It is established that the network has a large invariance to position the face in the picture. In consequence of that generalization ability higher than the multilayer perceptron. Evaluating the effectiveness of probabilistic systems showed that the use of the proposed approaches and algorithms enables a high probability likely face recognition (93%). Results of the study can be used in the development of automated systems for access: a personal computer, a bank account, application to access data on the image of a human face in miniature devices where there is no possibility to embed common hardware identification.
  • Ескіз
    Документ
    Геоінформаційна система ідентифікації кадрів при реконструюванні місцевості
    (НТУ "ХПІ", 2017) Куценко, Олександр Сергійович; Кащеєв, Леонід Борисович; Мироненко, Микита Ігорович
    Запропоновано алгоритм ідентифікації кадрів зображення місцевості, отриманого в процесі аерофотозйомки. Машинне навчання геоінформаціної системи здійснювалося за інформаційно-екстремальним алгоритмом. Як критерій оптимізації параметрів машинного навчання використовувався модифікований ентропійний критерій Шеннона, а як параметри навчання розглядалися контрольні допуски на ознаки розпізнавання та геометричні параметри гіперсферичних контейнерів класів розпізнавання. Крім того, розроблено алгоритм функціонування геоінформаційної системи в режимі ідентифікації кадрів, який дозволяє за сформованими на етапі машинного навчання вирішальними правилами побудувати електронну карту місцевості із позначеними на ній зонами інтересу.