Determination of Relevance of Visual Object Images by Application of Statistical Analysis of Regarding Fragment Representation of Their Descriptions

Gorokhovatsky, V. О.; Gadetska, Svitlana

doi:10.1615/telecomradeng.v78.i3.20

Cited by 5 publications

(32 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The problem of recognizing images of visual objects is crucial for computer vision [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17]. The most detailed features of its theoretical formulation are given in [13].…”

Section: Related Workmentioning

confidence: 99%

“…During introduction of structural recognition methods, descriptions of visual objects are represented as the set of keypoint descriptors. Keypoints are the numeric vectors of a rather high dimension [1][2][3][4].…”

Section: Introductionmentioning

confidence: 99%

“…In such a situation, transformation by representing data as the system of their fragments of a significantly lower dimension contributes to the significant simplification of their application implementation [1]. In this case the key tool is the apparatus of spatial-statistical data analysis.…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Classification of Images Based on a System of Hierarchical Features

Daradkeh¹,

Gorokhovatskyi²,

Tvoroshenko³

et al. 2022

Computers, Materials &Amp; Continua

View full text Add to dashboard Cite

The results of the development of the new fast-speed method of classification images using a structural approach are presented. The method is based on the system of hierarchical features, based on the bitwise data distribution for the set of descriptors of image description. The article also proposes the use of the spatial data processing apparatus, which simplifies and accelerates the classification process. Experiments have shown that the time of calculation of the relevance for two descriptions according to their distributions is about 1000 times less than for the traditional voting procedure, for which the sets of descriptors are compared. The introduction of the system of hierarchical features allows to further reduce the calculation time by 2-3 times while ensuring high efficiency of classification. The noise immunity of the method to additive noise has been experimentally studied. According to the results of the research, the marginal degree of the hierarchy of features for reliable classification with the standard deviation of noise less than 30 is the 8-bit distribution. Computing costs increase proportionally with decreasing bit distribution. The method can be used for application tasks where object identification time is critical.

show abstract

Section: Related Workmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Classification of Images Based on a System of Hierarchical Features

Daradkeh¹,

Gorokhovatskyi²,

Tvoroshenko³

et al. 2022

Computers, Materials &Amp; Continua

View full text Add to dashboard Cite

show abstract

“…Процес зіставлення зображень з метою визначення ступеню їх релевантності у сучасних системах комп'ютерного зору потребує вирішення ряду задач та є досить складним як с точки зору коректності критерію для порівняння (пошук результативного способу, підбір параметрів), так і з точки зору ефективності прикладного застосування [1][2][3][4][5][6][7]. На цей час результативним є застосування структурного підходу, одним з варіантів якого є апроксимація об'єкта множиною ключових точок (КТ).…”

Section: вступunclassified

“…Такий спосіб формування ознак надає додаткову гнучкість при обробленні. Також подання дескрипторів у вигляді розподілів фрагментів дає можливість будувати моделі класифікації на основі голосування, в якому кожна з m ділянок незалежно голосує за той чи інший клас з бази еталонів [3,4]. Рішення приймається коаліцією або за досягнення порогу.…”

Section: статистична модель опису у просторі ознакunclassified

Дослідження Результативності Застосування Ознак Розподілів Даних Для Обчислення Релевантності Описів Зображень

Gorokhovatskyi¹,

Zaporozhchenko²,

Siryk³

et al. 2020

CNCS

View full text Add to dashboard Cite

Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору

show abstract

Statistical Data Analysis Models for Determining the Relevance of Structural Image Descriptions

Daradkeh,

Gorokhovatskyi,

Tvoroshenko

et al. 2023

IEEE Access

View full text Add to dashboard Cite

The aim of the research is to improve the effectiveness of image recognition methods according to the description in the form of a set of keypoint descriptors. The focus is on increasing the speed of analysis and processing of description data while maintaining the required level of classification efficiency. The class of the image is provided as a description of the etalon. It is proposed to transform the description by implementing a statistical system of features for non-intersecting data fragments. The developed method is based on the aggregation of data distribution values within the description, the basis of which is the bit representation of the descriptors. Statistical features are calculated as the frequency of occurrence of the fixed value of a fragment on a set of description data and thus reflect the individual properties of images. Three main classifier models are analyzed: calculating the measure of data relevance in the form of distributions; assigning each of the descriptors to defined classes (voting); using the apparatus of statistical data analysis to decide on the significance of the difference between the distributions of the object and etalons. The results of software modeling of methods and calculations of statistical significance of differences based on distributions for training sets of images are represented. Using distributions instead of a set of descriptors increases the processing speed by hundreds of times, while the classification accuracy is maintained at a sufficient level and does not deteriorate compared to traditional voting.INDEX TERMS Computer vision, data fragment, descriptor, image classification, keypoint.

show abstract

Determination of Relevance of Visual Object Images by Application of Statistical Analysis of Regarding Fragment Representation of Their Descriptions

Cited by 5 publications

References 0 publications

Classification of Images Based on a System of Hierarchical Features

Classification of Images Based on a System of Hierarchical Features

Дослідження Результативності Застосування Ознак Розподілів Даних Для Обчислення Релевантності Описів Зображень

Statistical Data Analysis Models for Determining the Relevance of Structural Image Descriptions

Contact Info

Product

Resources

About