Statistical Measures for Computation of the Image Relevance of Visual Objects in the Structural Image Classification Methods

Gadetska, Svitlana; Gorokhovatsky, V. О.

doi:10.1615/telecomradeng.v77.i12.30

Cited by 7 publications

(16 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Статистичні моделі набули істотного поширення в інтелектуальних методах аналізу даних, в тому числі і при прийнятті класифікаційних рішень у системах комп'ютерного зору [1][2][3][4]. Їх ключовою перевагою є використання для класифікації певної узагальненої інформації про властивості класів розпізнаваних об'єктів, що дає змогу результативніше врахувати особливості об'єктів у просторі ознак.…”

Section: вступunclassified

“…Їх ключовою перевагою є використання для класифікації певної узагальненої інформації про властивості класів розпізнаваних об'єктів, що дає змогу результативніше врахувати особливості об'єктів у просторі ознак. Найбільш точно характеристики об'єкту відображаються при безпосередньому використанні розподілів даних [2,3]. Як правило, дані у комп'ютерному зорі мають багатовимірний ймовірнісний розподіл.…”

Section: вступunclassified

“…На підставі аналізу скінченного об'єму даних здійснюють апроксимацію ймовірнісного розподілу, що дає змогу розпізнавати їх образи. Важливим аспектом, що досить точно відображає властивості чи характеристики даних, є безпосереднє використання значень розподілів у методах розпізнавання [2].…”

Section: вступunclassified

See 2 more Smart Citations

Статистичні Розподіли Та Ланцюжкове Подання Даних При Визначенні Релевантності Структурних Описів Візуальних Об’єктів

Gorokhovatskyi¹,

Gadetska²,

Ponomarenko³

2018

CNCS

View full text Add to dashboard Cite

Предметом досліджень статті є моделі для встановлення рівня релевантності зображень у просторі розподілів для дескрипторів ключових точок при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є створення методу структурного розпізнавання зображень на підставі впровадження ланцюжкових моделей даних із використанням ймовірнісних розподілів множини дескрипторів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією аналізу даних при визначенні релевантності структурних описів, вивчення властивостей, атрибутів застосування, значень параметрів цих моделей, оцінювання результативності за наслідками оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, апарат інтелектуального аналізу даних, методи побітового оброблення та побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані такі результати. Перехід від опису множин дескрипторів до ймовірнісних розподілів фрагментів і зіставлення образів у просторі розподілів забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у сотні разів швидше, ніж традиційний підрахунок голосів. Оброблення та аналіз сполучень бітів формує значимі властивості для сукупності елементів опису зі збереженням структури даних і їх уніфікації. Зі збільшенням числа бітів у фрагменті розподілу зростає відстань між зображеннями, що сприяє збільшенню ступеня їх розрізнення. Ланцюговим поданням та застосуванням розподілів створюється новий простір даних, що дає можливість суттєво покращити показники функціонування систем розпізнавання зображень. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження узагальненої ланцюгової структури опису із використанням значень розподілу для фрагментів множини дескрипторів ключових точок, що змістовно відображають властивості зображень об’єктів і забезпечують результативне розпізнавання. Практична значущість – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації в системах комп’ютерного зору.

show abstract

Section: вступunclassified

See 1 more Smart Citation

Статистичні Розподіли Та Ланцюжкове Подання Даних При Визначенні Релевантності Структурних Описів Візуальних Об’єктів

Gorokhovatskyi¹,

Gadetska²,

Ponomarenko³

2018

CNCS

View full text Add to dashboard Cite

show abstract

“…Structural methods of image classification implemented for modern computer vision systems are based on data on images of visual objects as the set of keypoint (KP) descriptors [1]- [5]. Such methods are the most effective for recognizing images of the fixed structure [2], [3]. The KP descriptor is the vector of size of 64…512 binary components that are the approximation for the fragment of the image brightness function [4], [6].…”

Section: Introductionmentioning

confidence: 99%

“…The KP descriptor is the vector of size of 64…512 binary components that are the approximation for the fragment of the image brightness function [4], [6]. The traditional image classifier is based on the metric criteria of the relevance of the view "set-set" between the images of the recognized object and the etalon and on the optimization of the value of relevance for the etalon database [2].…”

Section: Introductionmentioning

confidence: 99%

Tools for Fast Metric Data Search in Structural Methods for Image Classification

et al. 2022

View full text Add to dashboard Cite

The article proposes a new classification method based on implementing the high-speed search tools for the indexed data structure created on the etalon set of features, which has significant advantages in processing speed compared to the traditional approaches. The classifier is represented as twostage processing, where at the first stage the class for the separate object descriptor is determined, and at the second stage, the resulting class of the object is determined based on the obtained set of local solutions. The developed method is based on the preliminary construction of the indexed hash structures for the set of descriptors of the base of the etalon images. Implementing the hash representation allows for increasing the speed of identification or classification of visual objects. A comparative experiment with the traditional method of voting has been conducted, where the linear search for the nearest descriptor has been implemented for the identification without the use of prior creation of the indexed hash representation of the etalons. In the experiment, we have gained in processing speed for the developed method compared to the traditional over 10 times. The gain in processing speed increases proportionally with the number of the etalons and the number of the descriptors in the descriptions. The experiment has shown that the efficiency of the method can be enhanced by varying the values of its parameters and adapting to the properties of the data.

show abstract

Statistical Methods for Analyzing and Processing Data Components When Recognizing Visual Objects in the Space of Key Point Descriptors

Gorokhovatskyi

Gadetska

Gorokhovatskyi

et al. 2020

Communications in Computer and Information Science

View full text Add to dashboard Cite

Statistical Measures for Computation of the Image Relevance of Visual Objects in the Structural Image Classification Methods

Cited by 7 publications

References 0 publications

Статистичні Розподіли Та Ланцюжкове Подання Даних При Визначенні Релевантності Структурних Описів Візуальних Об’єктів

Статистичні Розподіли Та Ланцюжкове Подання Даних При Визначенні Релевантності Структурних Описів Візуальних Об’єктів

Tools for Fast Metric Data Search in Structural Methods for Image Classification

Statistical Methods for Analyzing and Processing Data Components When Recognizing Visual Objects in the Space of Key Point Descriptors

Contact Info

Product

Resources

About