Историки об Елизавете Петровне: Елизавета попала между двумя встречными культурными течениями, воспитывалась среди новых европейских веяний и преданий...
Состав сооружений: решетки и песколовки: Решетки – это первое устройство в схеме очистных сооружений. Они представляют...
Топ:
Эволюция кровеносной системы позвоночных животных: Биологическая эволюция – необратимый процесс исторического развития живой природы...
Определение места расположения распределительного центра: Фирма реализует продукцию на рынках сбыта и имеет постоянных поставщиков в разных регионах. Увеличение объема продаж...
Отражение на счетах бухгалтерского учета процесса приобретения: Процесс заготовления представляет систему экономических событий, включающих приобретение организацией у поставщиков сырья...
Интересное:
Влияние предпринимательской среды на эффективное функционирование предприятия: Предпринимательская среда – это совокупность внешних и внутренних факторов, оказывающих влияние на функционирование фирмы...
Мероприятия для защиты от морозного пучения грунтов: Инженерная защита от морозного (криогенного) пучения грунтов необходима для легких малоэтажных зданий и других сооружений...
Инженерная защита территорий, зданий и сооружений от опасных геологических процессов: Изучение оползневых явлений, оценка устойчивости склонов и проектирование противооползневых сооружений — актуальнейшие задачи, стоящие перед отечественными...
Дисциплины:
2020-04-03 | 114 |
5.00
из
|
Заказать работу |
|
|
После квантования строим гистограмму частот и переходим к классификации изображений.
Задача классификации образов состоит в следующем. Дано множество объектов, каждый из которых принадлежит одному из нескольких классов. Нужно определить, к какому классу принадлежит данный экземпляр.
Каждый объект c номером можно описать вектором признаков . Каждому объекту можно приписать метку класса . Множество известных наблюдений изображено на рисунке 2.5.
Рисунок Множество известных наблюдений
Каждое наблюдение ещё называют прецедентом. Задача построить функцию , которая для каждого вектора-признаков даёт ответ , какому классу принадлежит объект .
Функция называется решающее правило или классификатор. Любое решающее правило делит пространство признаков на решающие регионы, разделенные решающими границами. На рисунке изображена решающая граница.
Рисунок Решающая граница
Для того чтобы формализовать задачу, будем выбирать функции из параметрического семейства . Другими словами, будем выбирать подходящий набор параметров .
Для классификации изображения воспользуемся методом опорных векторов (SVM). Метод опорных векторов можно описать следующим образом.
Найдём гиперплоскость, максимизирующую отступ между положительными и отрицательными примерами.
положительные :
(2.2)
отрицательные :
(2.3)
Для опорных векторов:
(2.4)
Расстояние от точки до гиперплоскости:
(2.5)
Поэтому отступ равен:
(2.6)
Отступ между положительными и отрицательными примерами приведен на рисунке 2.7.
Рисунок 2.7 – Отступ между положительными и отрицательными примерами
Максимизируем отступ по формуле (2.7).
|
Минимизируем (2.7),
при условии .
Решается эта задача с помощью метода множителей Лагранжа (смотри формулу 2.8).
(2.8)
Для большей части векторов вес равен 0. Все вектора, для которых вес больше 0, называются опорными. Вес определяется только опорными векторами (см. формулу (2.9)).
(2.9)
Решающая функция:
(2.10)
Решающая функция зависит от скалярных произведений (inner product) от тестового вектора и опорных векторов . Решение оптимизационной задачи также требует вычисления скалярных произведений между всеми парами векторов из обучающей выборки.
Так как у нас множество классов, используем многоклассовый SVM (Метод Опорных Векторов). На практике МОВ для нескольких классов получается путем комбинации нескольких двухклассовых МОВ. Например, обучением МОВ для каждого класса против всех остальных, применяя все МОВ к образцу, назначим класс, МОВ для которого выдал наиболее достоверное решение. Либо обучим МОВ для каждой пары классов: каждый МОВ голосует за классы, выбирается класс с наибольшим числом голосов.
Достоинствами метода опорных векторов является множество доступных библиотек, а также мощный и гибкий подход на основе ядер. На практике метод работает очень хорошо, даже для маленьких обучающих выборок.
Недостатком метода является то, что при обучении нужно строить полную матрицу ядра для всех примеров, в следствии чего обучение занимает много времени для больших задач.
В завершение обзора алгоритма «Bag of features» можно сказать, что метод имеет следующие особенности. К достоинствам модели можно отнести устойчивость её результатов при незначительных изменениях обучающей выборки. При этом усредняющая суть данного метода хорошо вписывается в подход с автоматически полученной обучающей выборкой. Среди недостатков стоит отметить принципиальную проблемность тех ситуаций, когда в анализируемом изображении представлено более одного экземпляра объекта из обучающей выборки или ситуацию, когда этот объект представлен частично. Также недостатком алгоритма является высокая вычислительная сложность на этапе обучения.
|
|
|
Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Организация стока поверхностных вод: Наибольшее количество влаги на земном шаре испаряется с поверхности морей и океанов (88‰)...
Особенности сооружения опор в сложных условиях: Сооружение ВЛ в районах с суровыми климатическими и тяжелыми геологическими условиями...
Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!