Каталог Данных Каталог Организаций Каталог Оборудования Каталог Программного Обеспечения Написать письмо Наши координаты Главная страница
RSS Реклама Карта сайта Архив новостей Форумы Опросы 
Здравствуйте! Ваш уровень доступа: Гостевой
Навигатор: Публикации/Конференции/Другие/Проблемы фотограм-рии/
 
Rus/Eng
Поиск по сайту    
 ГИС-Ассоциация
 Аналитика и обзоры
 Нормы и право
 Конкурсы
 Дискуссии
 Наши авторы
 Публикации
 Календарь
 Биржа труда
 Словарь терминов
Проект поддерживают  



Авторизация    
Логин
Пароль

Забыли пароль?
Проблемы с авторизацией?
Зарегистрироваться




width=1 Rambler_Top100

наша статистика
статистика по mail.ru
статистика по rambler.ru

Реклама на сайте
Новостные ленты

Базанов П.В. Гибридная параллельная система классификации лиц с использованием искусственных нейронных сетей и метода главных компонент

П.В. Базанов
каф. АСВК ВМиК МГУ
e-mail: petr@angel.cs.msu.su

В данной работе описывается прототип гибридной системы, основанной на искусственных нейронных сетях (ИНС) для решений проблем классификации и распознавания нормализованных лиц. Для решения задачи препроцессирования изображений и извлечения конкретных геометрических черт лица использовался Метод Собственных Пакселов (вариация Метода Главных Компонент). Для классификации образов использовались нейросети по одну многослойному персептрону на каждый фильтр. Метод Собственных Пакселов, был усовершенствован на стадии классификации на классификации образов только одной природы(имеющих один и тот же фильтр). Моделирование системы проводилось на Штуттгардском Симуляторе Нейронных Сетей (SNNS) в интерфейсе JAVASNNS 2001. Для интерпретации комбинированных результатов, полученных на нейросетях, был разработан анализатор Судья . Описывается стратегия принятия наилучшего решения при распознавания лиц в спорных случаях( с низкой степенью уверенности ). Представлены результаты нескольких экспериментов при моделировании системы на 2-х базах данных Ollivetti (ORL) и HongIkFace2001 University .
Данная система разрабатывалась как простейшая модель принятия точных решений для распознавания больших распределенных баз данных изображений (человеческих лиц) при некотором ограничении по времени.
В данной работе затронута только проблема классификации и распознавания нормализованных лиц, задача поиска движений на сцене, отделения человека от сцены, нахождения лица и выявления отдельных черт лица пока не рассматривается. В данной работе мы сравнили и обнаружили эффективность нового метода эйген-пакселов по сравнению с методом эйген-лиц . Мы усовершенствовали предложенную модель, предложив идею классификации сравнимых образов , т.е. образов характеризующих разные предметы, но имеющих одну и ту же природу ( эйген-фильтр ). Одновременно с внедрением идеи сравнимых образов нам удалось распараллелить архитектуру системы на независимые компоненты и как результат понизить время обучения системы в целом, помимо этого мы добились представления баз данных образов в более компактной распределенной форме.
В данной работе был исследован метод главных компонент, был обнаружен тот факт, что при распознавании образов методом эйген-паксел точное решение мы можем принимать на основе информации, полученной на первых четырех фильтрах, остальные фильтры позволяли получать добавочную информацию и контролировать процесс принятия правильного решения.
Природа данной системы более подходит для обработки больших баз данных, когда эффективность и точность главенствует над скоростью принятия решения (типичная задача - поиск похожих лиц по фотороботу).


Разделы, к которым прикреплен документ:
Тематич. разделы / ДДЗ
Страны и регионы / Россия / Центральный ФО / г. Москва
Публикации / Конференции / Другие / Проблемы фотограм-рии
 
Комментарии (0) Для того, чтобы оставить комментарий Вам необходимо авторизоваться или зарегистрироваться




ОБСУДИТЬ В ФОРУМЕ
Оставлено сообщений: 0


Источник: тезисы докладов третьей научно-практической конференции "Современные проблемы фотограмметрии и дистанционного зондирования". (г. Москва 11-12 апреля 2002г.). 12:16:24 11.04 2002   

Версия для печати  

Портал Gisa.ru использует файлы cookie для повышения удобства пользователей и обеспечения работоспособности сайта и сервисов. Оставаясь на сайте Gisa.ru вы подтверждаете свое согласие на использование файлов cookie. Если вы не хотите использовать файлы cookie, то можете изменить настройки браузера. Пользовательское соглашение. Политика конфиденциальности.
© ГИС-Ассоциация. 2002-2022 гг.
Time: 0.019426107406616 sec, Question: 71