1. Проблемы распознавания образов 2. Пандемониум Селфриджа 3. Методы распознавания символов.

Презентация:



Advertisements
Похожие презентации
Маршрутный лист «Числа до 100» ? ? ?
Advertisements

Алгоритм. Алгоритм это точно определённая инструкция, последовательно применяя которую к исходным данным, можно получить решение задачи. Для каждого алгоритма.
Лекция 3 1.Понятие образа 2.Проблема обучения распознаванию образов 3.Геометрический и структурный подходы 4.Гипотеза компактности 5.Обучение и самообучение.
Потоки платежей, ренты. 2 Основные определения Потоком платежей будем называть последовательность (ряд) выплат и поступлений, приуроченных к разным моментам.
1 Линейные пространства Базис линейного пространства Подпространства линейного пространства Линейные операторы Собственные векторы и собственные значения.
Повторение темы: «Целые числа. Какому числу равно -(+78) +(-21) -(-34)

Типовые расчёты Растворы
Сеть поиска максимума (MAXNET) Сеть поиска максимума с прямыми связями – слогослойная нейронная сеть определяющая, какой из входных сигналов имеет.
Лекция 6. Нейронные сети Хопфилда и Хэмминга Среди различных конфигураций искусственных нейронных сетей (НС) встречаются такие, при классификации которых.
Лекция 2 Свет Цвет Квантование Псевдотонирование В лекции используются слайды проф. Пата Ханрахана (Pat Hanrahan) Станфордский университет (США)
Вычитание дробей с одинаковыми знаменателями далее.
Математические модели Динамические системы. Модели Математическое моделирование процессов отбора2.
ПОРЯДОК ВЫПОЛНЕНИЯ ДЕЙСТВИЙ В ВЫРАЖЕНИЯХ. Цель изучения: Познакомить учащихся с правилами порядка выполнения действий в выражениях и сформировать у них.
Проверка статистических гипотез Основные понятия и терминология Что такое статистическая гипотеза? Лекция 6.
1 Лекция 3 ЭВМ – средство обработки информации. Комбинационные схемы и конечные автоматы. Информатика 2 Министерство образования и науки Российской Федерации.
Кафедра фотоники и оптоинформатики Санкт-Петербургский государственный университет информационных технологий, механики и оптики А.В.Павлов Оптические Технологии.
Одно из наиболее перспективных направлений разработки принципиально новых архитектур вычислительных систем тесно связано.
Нейросетевые технологии в обработке и защите данных Обработка данных искусственными нейронными сетями (ИНС). Лекция 5. Алгоритмы обучения искусственных.
ЗРИТЕЛЬНЫЕ ИЛЛЮЗИИ ОПТИЧЕСКИЕ ОБМАНЫ 1. Зрительная иллюзия – не соответствующее действительности представление видимого явления или предмета из-за особенностей.
Транксрипт:

1. Проблемы распознавания образов 2. Пандемониум Селфриджа 3. Методы распознавания символов

1 Проблема распознавания образов Человеческий мозг с самого рождения и на протяжении всей жизни постоянно решает задачи распознавания образов. В своей повседневной жизни человек настолько легко справляется с задачами распознавания, что это считается само собой разумеющимся. Между тем, попытки моделирования на компьютерах этих функций наталкиваются на весьма серьёзные трудности.

Процесс восприятия человеком 1. вначале свет попадает в глаз 2. по зрительному нерву информация поступает в головной мозг 3. далее зрительная информация поступает в отделы мозга, которые уже выделяют из неё отдельные составляющие 4. постепенно образы становятся все более сложными и размытыми, но графический образ пройдет еще долгий путь, прежде чем достигнет уровня сознания

В целом проблема распознавания образов состоит из двух частей: обучение (система должна приобрести способность реагировать одинаковыми реакциями на все объекты одного образа) распознавание (распознавание новых объектов)

Основные принципы распознающих систем 1. заложить в компьютер как можно больше известных образов-шаблонов и сравнивать их с поступающими для распознавания неизвестными образами 2. на первой стадии обязательно обрабатывают изображение и выделяют характерные признаки 3. обучение

2 Пандемониум Селфриджа Система распознавания образов, предложенная Оливером Селфриджем (пандемониум), состоит из элементов – демонов. Демоны – это относительно автономные сущности, выполняющие элементарные функции. На самом нижнем уровне находятся демоны данных (изображения). На самом верхнем уровне находится демон решения, который определяет выход всей системы. Ниже демона решения имеется некоторое число демонов понимания, каждый из которых соответствует одной из узнанных категорий. Вычислительные демоны, обрабатывая визуальную информацию от демонов данных, вырабатывают признаки и передают их демонам понимания.

… … Демон решения Демоны понимания (суммируют признаки, соответствуют объектам) Вычисляемые демоны (вырабатывают признаки) Демоны данных (сетчатка глаза) Схематически пандемониум можно представить в следующем виде

Идея пондемониума состоит в том, что каждый демон понимания должен определить меру соответствия поступающих на его вход признаков. Чем лучше это соответствие, тем более сильный сигнал и выбирает наиболее сильный. Демоны понимания всего лишь вычисляют взвешенные суммы сигналов, поступающих от вычислительных демонов.

Пример работы пандемониума Демон понимания Наличие усов Наличие шерсти Наличие хвоста Вес более 50 кг Кошкаw 11 = 10w 12 = 10w 13 = 10w 14 = 0 Собакаw 21 = 0w 22 = 10w 23 = 8w 24 = 0 Человекw 31 = 2w 32 = 0w 33 = 0w 34 = 10

Допустим, что на считывающем устройстве пандемониума появляется образ кошки Вычислительные демоны сформируют следующие признаки: d 1 = 1 (что означает – есть усы) d 2 = 1 (есть шерсть) d 3 = 1 (имеется хвост) d 4 = 0 (вес не более 50 кг)

Демоны понимания произведут обработку признаков: демон кошки: D 1 = 10 * * * * 0 = 30 демон собаки: D 2 = 0 * * * * 0=18 демон человека: D 3 = 2 * * * * 0 = 2

3 Методы распознавания символов Шаблонный сравнение с эталоном допуск на расхождение между символом и шаблоном Структурный объект описывается как граф, узлами которого являются элементы входного объекта, а дугами – пространственные отношения между ними Признаковый изображение каждого распознаваемого символа представляется как объект в n- мерном пространстве признаков полученный n- мерный вектор сравнивается с эталонными