ЛЭТИ'20061 Семантическая классификация JPEG изображений Результаты экспериментального исследования.

Презентация:



Advertisements
Похожие презентации
Классификация, кластеризация и поиск изображений на основе низкоуровневых характеристик Наталья Васильева Руководитель: Новиков Б. А.
Advertisements

Система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времени Н.И. Дмитриев, А.И. Ляпин, Е.Ю. Суворов,
Полнотекстовые интернет- публикации древних славянских текстов в ИПС «Манускрипт»: работа с запросной формой О. В. Зуга Удмуртский госуниверситет.
Анализ встраивания информации в DC компонент формата JPEG. Цицаров Николай.
Сегментация изображений Часть 3. Методы теории графов Чем выгодны Теория графов – хороший инструмент для работы с изображениями – Хорошая теоретическая.
С.В.Васильев Направление «Менеджмент» Степень (квалификация) – бакалавр менеджмента.
Начертательная геометрия 10 класс. Начертательная геометрия изучает способы изображения пространственных форм на плоскости. Начертательная геометрия изучает.
Тема исследование: Распознавание букв на изображении Группа: 10510/1 Киселев Павел.
5-7 классы в физико-математическом лицее 239 Карачинский Е.Я.
Системы неравенств с двумя переменными. Учитель: Захарова Е. А. школа 2025.
Некоторые функции интерактивной доски. Выбор толщины и цвета линии.
Тема урока: Перемещение. Определение координаты движущегося тела.
АВТОМАТИЧЕСКОЕ ВЫДЕЛЕНИЕ ОБЪЕКТОВ В ДАННЫХ ЛАЗЕРНОГО СКАНИРОВАНИЯ Роман ШАПОВАЛОВ Научный руководитель: к.ф.-м.н., н.с. Антон КОНУШИН 24 мая 2010.
Омпьютерная рафика Государственное образовательное учреждение начального профессионального образования ЯНАО «Надымское профессиональное училище» Работу.
Компания «Rusich-Media». Видеоэкран на МКАД Расположение экрана: МКАД внешнее кольцо 48 км Трансляция – круглосуточно Стоимость руб./месяц (10.
31 марта Графический процесс. Геометрическое моделирование Алексей Викторович Игнатенко.
начать Слова, называющие признаки предметов (прилагательные) продолжим.
Семинар "Нейроинформатика" Санкт-Петербург Системный анализ данных в задаче нейросетевой классификации Дорогов А.Ю. Каф. Автоматики и процессов.
Геометрические преобразования графиков функции: отображение от осей координат.
РИДАН_20061 производственно- инжиниринговая компания Внутренняя оптимизация работы компании на конкурентном рынке.
Транксрипт:

ЛЭТИ'20061 Семантическая классификация JPEG изображений Результаты экспериментального исследования

ЛЭТИ'20062 Что такое семантика? Семантика дает ответ на вопрос: Что изображено на картинке? В рамках данного исследования семантика определяется двумя понятиями: Концепт (Concept) – существительное Модификатор (modifier) – прилагательное например: «Лесная река»

ЛЭТИ'20063 Принципы построения алгоритма семантической классификации 1. Сегментация изображения 2. Семантическая классификация сегментов по прецедентам 3. Нечеткое статистическое отношение: семантика сегмента – семантика образа 4. Дублирующая семантическая классификация

ЛЭТИ'20064 Формирование базы данных На этапе накопления базы данных, для каждого сегмента и каждого образа оператор вводит концептуальные понятия (concept) и определения к ним (modifier) в виде текстовых слов. Эта пара слов считается семантикой изображения или его сегмента. Вместе с семантикой в базе данных сохраняется набор количественных признаков

ЛЭТИ'20065 JPEG- кодирование изображений

ЛЭТИ'20066 Цветовое пространство

ЛЭТИ'20067 Косинусное преобразование

ЛЭТИ'20068 Первичные информативные признаки Цветовой фон Вариабельность цветности Цветовой контраст

ЛЭТИ'20069 Сегментация изображений Мера различия векторов

ЛЭТИ' Пример сегментации

ЛЭТИ' Признаковое пространство сегмента Относительная площадь Позиция сегмента в поле изображения Доминирующий фон Вариабельность цветности:

ЛЭТИ' Полигон сегмента

ЛЭТИ' Характеристики полигона Относительная площадь Относительный диаметр Фактор формы Угол ориентации диаметра Координаты центра масс Координаты геометрического центра Угол ориентации главной компоненты

ЛЭТИ' Полигон изображения

ЛЭТИ' Информативность признаков

ЛЭТИ' Агрегирование признаков Признаки полигонаОдиночный признакСложный признак FormFactor EFactor0.677 Potential Radius0.651 Mass_center (y)0.637 Polygon_center (y)0.643

ЛЭТИ' Нечеткая классификация Уровень достоверности признака Функция принадлежности к прецеденту Функция принадлежности к семантике

ЛЭТИ' Нечеткая классификация образов по семантике сегментов n - число сегментов в образе Transit - матрица нечеткого отношения между семантикой сегментов и семантикой образов.

ЛЭТИ' Нечеткая классификация образов по параметрам полигона образа Уровень достоверности признака Функция принадлежности к прецеденту Функция принадлежности к семантике

ЛЭТИ' Комплексирование результатов

ЛЭТИ' Моделирующая программа

ЛЭТИ' Характеристика базы данных Число примеров =100 Число сегментов =535 Число концептуальных понятий =86 Число модификаторов понятий =154 Число сочетаний Concept/Мodifier на уровне сегментов=214 Число сочетаний Concept/Мodifier на уровне образов=67 Средний размер изображений 120*120 пикселов

ЛЭТИ' Эксперимент 1 Паттерн

ЛЭТИ' Эксперимент 2 Паттерн

ЛЭТИ' Публикации Дорогов А.Ю., Курбанов Р.Г., Разин В.В Быстродействующий алгоритм семантической классификации JPEG– изображений. Электронный журнал «Нейроинформатика» 2006, том 1, 2 с