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.