Отрывок: Ис- пользование нейросетевой модели LCNN и её дообу- ченной версии позволяет добиться наиболее высокой точности. Однако применение дивергенции Йенсена– Шеннона в этом случае практически не приводит к снижению вероятности ошибочной классификации, что обусловлено значительными различиями в изоб- ражениях из обучающего (LFW) и тестового (YTF) множеств. Использование статистического подхода оказывается предпочтительнее. Наприме...
Название : | Метод максимально правдоподобных рассогласований в задаче распознавания изображений на основе глубоких нейронных сетей |
Другие названия : | Maximum-likelihood dissimilarities in image recognition with deep neural networks |
Авторы/Редакторы : | Савченко, А.В. |
Ключевые слова : | статистическое распознавание образов обработка изображений глубокие свёрточные нейронные сети метод максимально правдоподобного перебора распознавание лиц |
Дата публикации : | Июн-2017 |
Издательство : | Самарский университет |
Библиографическое описание : | Савченко, А.В. Метод максимально правдоподобных рассогласований в задаче распознавания изображений на основе глубоких нейронных сетей / А.В. Савченко // Компьютерная оптика. – 2017. – Т. 41, № 3. – С. 422-430. |
Серия/номер : | 41;3 |
Аннотация : | Исследована задача распознавания изображений в условиях малых выборок наблюдений на основе метода ближайшего соседа, в котором сопоставляются векторы признаков высокой размерности, выделенные с помощью глубокой свёрточной нейронной сети. Предложен новый алгоритм распознавания на основе метода максимального правдоподобия (совместной плотности вероятности) рассогласований между входным и всеми эталонными изображениями. Для оценки правдоподобия используется известное асимптотически нормальное распределение рассогласования Йенсена–Шеннона между векторами значений признаков изображений, что согласовывается с известными экспериментальными оценками закона распределения мер близости между векторами высокой размерности. В рамках экспериментального исследования для базы данных фотографий лиц Labeled Faces in the Wild и набора видеоданных YouTube Faces показано, что предлагаемый алгоритм позволяет на 1–5 % повысить точность распознавания изображений и видеопоследовательностей по сравнению с традиционными методами классификации. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-2017-41-3-422-430 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Metod-maksimalno-pravdopodobnyh-rassoglasovanii-v-zadache-raspoznavaniya-izobrazhenii-na-osnove-glubokih-neironnyh-setei-65832 |
Другие идентификаторы : | Dspace\SGAU\20171030\65832 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
410316.pdf | 218.21 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.