ЗАСТОСУВАННЯ ЛОГІЧНИХ ФОРМ ФУНКЦІЙ ВИБОРУ У ЗАДАЧАХ РОЗПІЗНАВАННЯ ОБРАЗІВ
DOI:
https://doi.org/10.20998/2222-0631.2020.1.03Ключові слова:
логічні форми, функції вибору, розпізнавання образів, образАнотація
У дослідженні вивчається і теоретично обґрунтована можливість застосування апарату логічних форм вибору, що використовується у теорії прийняття рішень, для бінарного подання атрибутів зображень задля скорочення розмірності простору та уніфікації образів. Для цього задіяна методика логічного проектування атрибутів зображення на множину логічних функцій фіксованого виду. Уніфікація вектору атрибутів сприяє стисненню даних. Розвинутий підхід демонструє зв’язок між теоріями прийняття рішень та розпізнавання образів. Наведені конкретні практичні приклади застосування логічних функцій вибору підтверджують працездатність сумісного впровадження цих теорій.Посилання
Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski. ORB: an efficient alternative to SIFT or SURF. Computer Vision (ICCV), IEEE International Conference on IEEE. 2011, pp. 2564–2571. DOI : 10.1109/ICCV.2011.6126544.
Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. Computer Vision (ICCV). 2011, pp. 2548–2555. DOI : 10.1109/ICCV.2011.6126542.
Gorokhovatskiy V. A., Putyatin E. P., Stolyarov V. S. Issledovanie rezul'tativnosti strukturnykh metodov klassifikatsii izobrazheniy s primeneniem klasternoy modeli dannykh [Studying performance of image classification structural methods using cluster data model]. Radioelektronika, informatika, upravlenie [Radioelectronics, informatics, control]. 2017, no. 3 (42), pp. 78–85.
Rosten Edward, Tom Drummond. Machine learning for high-speed corner detection. 9th European Conference on Computer Vision (ECCV). 2006, pp. 430–443. DOI : 10.1007/11744023_34.
Michael Calonder, Vincent Lepetit, Christoph Strecha, Pascal Fua. BRIEF : Binary Robust Independent Elementary Features. 11th European Conference on Computer Vision (ECCV). 2010, pp. 778–792. DOI : 10.1007/978-3-642-15561-1_56.
Patin M. V., Korobov D. V. Sravnitel'nyy analiz metodov poiska osobykh tochek i deskriptorov pri gruppirovke izobrazheniy po skhozhemu soderzhaniyu [Comparative analysis of methods for determining interest points and descriptors in similar content based image grouping]. Molodoy uchyenyy [Young scientist]. 2016, no. 11, pp. 214–221. Available at : https://moluch.ru/archive/115/31188/. (accessed 3 January 2020).
Makarov I. M., Vinogradskaya T. M., Rubchinskiy A. A., Sokolov V. B. Teoriya vybora i prinyatiya resheniy [Choise and desition making theory]. Мoscow, Nauka. Glavnaya redaktsiya fiziko-matematicheskoy literatury Publ., 1982. 328 p.
Gorokhovatskiy V. A. Strukturnyy analiz i intellektual'naya obrabotka dannykh v komp'yuternom [Structural analysis and intelligent data processing in computer vision]. Kharkov, Kompaniya SMIT Publ., 2014. 316 p.
Gorokhovatsky V. A. Efficient Estimation of Visual Object Relevance during Recognition through their Vector Descriptions. Telecommunications and Radio Engineering. 2016, vol. 75, no. 14, pp. 1271–1283.
Tarasenko O. P., Trokhimchuk S. M. Neyronno-merezhevi modeli yakosti. Monografiya [Nero-network quality models. Monograph]. Kharkiv, 2013. 103 p.
Gorokhovatskiy V. A., Pupchenko D. V., Solodchenko K. G. Analiz vlastyvostey, kharakterystyk ta rezul'tativ zastosuvannya novit-nikh detektoriv dlya vyvchennya osoblyvykh tochok zobrazhennya [Analysis of properties, characteristics and results of applying in-novative detectors for determining image interest points]. Systemy upravlinnya, navigatsiyi ta zv"yazku [Control, navigation and com-munication systems]. 2018, no. 1 (47), pp. 93–98.
