Застосування багатокомпонентної моделі даних для описів класів у задачі класифікації зображень

Abstract

Предметом досліджень статті є методи класифікації зображень за множиною дескрипторів ключових точок у системах комп'ютерного зору. Метою є підвищення ефективності класифікації шляхом впровадження багатокомпонентної моделі даних на множині дескрипторів для бази еталонних образів. Застосовувані методи: детектор та дескриптори ORB, апарат теорії множин і векторного простору, метричні моделі визначення релевантності для множин багатовимірних векторів, елементи теорії ймовірностей, програмне моделювання. Отримані результати: розроблено модифікований метод класифікації зображень на основі впровадження багатокомпонентної моделі для аналізу даних із системою центрів, визначено способи побудови множини центрів даних, найбільш ефективним є медоїд множиниі базовані на ньому центри. Результативність модифікації суттєво залежить від способу формування центрів, застосованої моделі класифікації, а також від самих даних. Найкращі результати показала класифікація з інтегрованим показником окремо для кожного із еталонів у вигляді суми значень розподілів для набору центрів; експериментально перевірена результативність класифікації, підтверджена працездатність запропонованого методу. Практична значущість роботи – побудова моделей класифікації у трансформованому просторі даних, підтвердження працездатності запропонованих модифікацій на прикладах зображень, створення програмного застосунку для впровадження розроблених методів класифікації у системах комп'ютерного зору.

The subject of research of the article is the methods of image classification according to the set of descriptors of key points in computer vision systems. The aim is to increase the efficiency of classification by introducing a multicomponent data model on a set of descriptors for the base of reference images. Applied methods: ORB detector and descriptors, apparatus of set theory and vector space, metric models for determining the relevance of sets of multidimensional vectors, elements of probability theory, software modeling. Results are obtained: a modified method of image classification based on the introduction of a multicomponent model for data analysis with a system of centers is developed, methods of constructing a set of data centers are identified, the most effective is the set medoid and centers based on it. The effectiveness of the modification significantly depends on the method of forming the centers, the applied classification model, as well as on the data itself. The best results were shown by the classification with the integrated indicator separately for each of the standards in the form of the sum of the values of the distributions for the set of centers; experimentally tested the effectiveness of the classification, confirmed the efficiency of the proposed method. The practical significance of the work is the construction of classification models in the transformed data space, confirmation of the efficiency of the proposed modifications on the examples of images, the creation of software for the implementation of developed classification methods in computer vision systems.