Отрывок: Из теоремы Байеса следует: ?̂?(𝐶𝑖|𝒙) ∝ ?̂?(𝒙|𝐶𝑖) ∙ ?̂?𝑖, (6) где ?̂?𝑖 – оценка априорной вероятности i-го класса: ?̂?𝑖 = 1 𝑁 ∑ [𝑦𝑗 = 𝐶𝑖] 𝑁 𝑗=1 . (7) Определим функцию особенности точки 𝑙(𝒙): 𝑙(𝒙) = 𝑙𝑛(?̂?(𝐶1|𝒙)) − 𝑙𝑛(?̂?(𝐶2|𝒙)). (8) Информационные технологии и нанотехнологии - 2017 Обработка изображений и геоинформационные технологии 673 Рис. 1. Примеры изображений одной сцены с разных ракур...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorВеричев, А.В.-
dc.date.accessioned2017-05-15 12:44:48-
dc.date.available2017-05-15 12:44:48-
dc.date.issued2017-
dc.identifierDspace\SGAU\20170515\63762ru
dc.identifier.citationВеричев А.В. Обучаемый детектор особых точек изображения // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 670-675.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Obuchaemyi-detektor-osobyh-tochek-izobrazheniya-63762-
dc.description.abstractВ работе представлен алгоритм построения обучаемого детектора особых точек изображения. В качестве локальных признаков используются моменты и моментные инварианты изображения. Для сокращения числа требуемых арифметических операций применяется метод рекурсивного вычисления степенных моментов с помощью целочисленных факториальных полиномов. Использование методов машинного обучения позволяет обеспечить настройку детектора к требуемым откликам. Результаты экспериментальных исследований демонстрируют возможность настройки детектора под задачу, повторяемость результатов, инвариантность к преобразованиям подобия изображений и возможность использования детектора на различных масштабах без построения пирамиды разрешений.ru
dc.description.sponsorshipИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 17-29-03190-офи.ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectособые точки изображенийru
dc.subjectдетекторы особых точекru
dc.subjectобобщённые моменты изображенийru
dc.subjectмоментные инвариантыru
dc.subjectмашинное обучениеru
dc.titleОбучаемый детектор особых точек изображенияru
dc.typeArticleru
dc.textpartИз теоремы Байеса следует: ?̂?(𝐶𝑖|𝒙) ∝ ?̂?(𝒙|𝐶𝑖) ∙ ?̂?𝑖, (6) где ?̂?𝑖 – оценка априорной вероятности i-го класса: ?̂?𝑖 = 1 𝑁 ∑ [𝑦𝑗 = 𝐶𝑖] 𝑁 𝑗=1 . (7) Определим функцию особенности точки 𝑙(𝒙): 𝑙(𝒙) = 𝑙𝑛(?̂?(𝐶1|𝒙)) − 𝑙𝑛(?̂?(𝐶2|𝒙)). (8) Информационные технологии и нанотехнологии - 2017 Обработка изображений и геоинформационные технологии 673 Рис. 1. Примеры изображений одной сцены с разных ракур...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Описание Размер Формат  
paper 125_670-675.pdfОсновная статья. Раздел: Обработка изображений и геоинформационные технологии910.23 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.