Комбінаційний метод прискореного метричного пошуку даних у задачах класифікації зображень

Abstract

Предметом досліджень статті є методи класифікації зображень за множиною дескрипторів ключових точок у системах комп’ютерного зору. Метою є підвищення продуктивності структурних методів класифікації шляхом впровадження індексованих хеш-структур на множині дескрипторів бази еталонних образів та узгодженого ланцюжкового поєднання кількох етапів аналізу даних у процесі класифікації. Застосовувані методи: детектор та де- скриптори BRISK, засоби хешування даних, методи пошуку в об’ємних масивах даних, метричний апарат визначення релевантності векторів, програмне моделювання. Отримані результати: розроблено ефективний метод класифікації зображень на основі впровадження швидкісного пошуку із використанням індексованих хеш-структур, що прискорює обчислення в десятки разів; виграш у часі обчислень збільшується при зростанні числа еталонів та дескрипторів у описах; особливості класифікатора полягають у тому, що здійснюється не точний пошук, а із врахуванням допустимого відхилення даних від еталону; експериментально перевірена результативність класифікації, що вказує на працездатність та ефективність запропонованого методу. Практична значущість роботи – побудова моделей класифікації у трансформованому просторі хеш-подання даних, підтвердження працездатності запропонованих модифікацій класифікаторів на прикладах зображень, розроблення прикладних програмних моделей для впровадження запропонованих методів класифікації у системах комп’ютерного зору.The subject of research of the paper is the methods of image classification on a set of key point descriptors in computer vision systems. The goal is to improve the performance of structural classification methods by introducing indexed hash structures on the set of the dataset reference images descriptors and a consistent chain combination of several stages of data analysis in the classification process. Applied methods: BRISK detector and descriptors, data hashing tools, search methods in large data arrays, metric models for th e vector relevance estimation, software modeling. The obtained results: developed an effective method of image classification based on the introduction of high-speed search using indexed hash structures, that speeds up the calculation dozens of times; the gain in computing time increases with an increase of the number of reference images and descriptors in descriptions; the peculiarity of the classifier is that not an exact search is performed, but taking into account the permissible deviation of data from the reference; experimentally verified the effectiveness of the classification, which indicates the efficiency and effectiveness of the proposed method. The practical significance of the work is the construction of classification models in the transformed space of the hash data representation, the efficiency confirmation of the proposed classifiers modifications on image examples, development of applied software models implementing the proposed classification methods in computer vision systems.