Отрывок: Выход: { },X Y , {Λx1, Λx2, Λy1, Λy2}, {Wx1, Wx2, Wy1, Wy2, U(k), V (k)}, ∀ k. 1. Вычислить средние образы из данных: ( ) 1 1 K k k X X K = = ∑ ; ( ) 1 1 K k k Y Y K = = ∑ . 2. Центрировать исходные данные ∀k: ( ) ( )k kX X X= − ; ( ) ( )k kY Y Y= − . 3. Вычислить ковариационные матрицы относительно строк матриц из п. 2: ( ) ( ) ( ) T (r) ( ) ( ) T 1 1 = ( ) ; = ( ) ; K K r k k k k xx yy k k C X X C Y Y = = ∑ ∑ ...
Название : | Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение |
Другие названия : | Methods of two-dimensional projection of digital images into eigen-subspaces: peculiarities of implementation and application |
Авторы/Редакторы : | Кухарев, Г.А. Щеголева, Н.Л. |
Ключевые слова : | наборы изображений лиц и числовых матриц собственный базис и собственные подпространства анализ главных компонент (PCA) линейный дискриминантный анализ (LDA) частичный метод наименьших квадратов (PLS) канонический корреляционный анализ (CCA) преобразование Карунена–Лоэва (KLT) 2DPCA/2DKLT 2DPLS/2DKLT 2DCCA/2DKLT CNN Deep NN |
Дата публикации : | 2018 |
Издательство : | Новая техника |
Библиографическое описание : | Кухарев, Г.А. Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение / Г.А. Кухарев, Н.Л. Щеголева // Компьютерная оптика. – 2018. – Т. 42, № 4. – С. 637-656. – DOI: 10.18287/2412-6159-2018-42-4-637-656 |
Серия/номер : | 42/4; |
Аннотация : | Рассматриваются алгоритмы проекции цифровых изображений в собственные подпространства в рамках линейных методов PCA, LDA, PLS и CCА. Приводится история развития этих методов за последние 100 лет на фоне появления новых областей их применения и меняющихся в связи с этим требований к ним. Показано, что развитие было инициировано четырьмя основными требованиями, вытекающими из современных задач и практики цифровой обработки изображений и, в первую очередь, изображений лиц. Первым является требование использования методов PCA, LDA, PLS и CCА в условиях как малой, так и чрезвычайно большой выборки изображений лиц в исходных наборах. Второе требование связано с критерием, определяющим собственный базис, который должен обеспечить, например, минимум ошибки аппроксимации изображений лиц, улучшение кластеризации в собственном подпространстве или максимум корреляции (ковариации) между наборами данных в подпространстве. Третье – связано с возможностью приложения рассматриваемых методов к задачам обработки двух и более наборов изображений с различных сенсорных источников или нескольких наборов любых числовых матриц. Именно эти три требования обусловили появление, развитие и применение методов двумерной проекции в собственные подпространства – 2DPCA, 2DLDA, 2DPLS и 2DCCА. В статье рассмотрены несколько основных ветвей алгоритмической реализации этих методов (итерационные, не итерационные, на основе SVD и т.д.), оценены их достоинства и недостатки, а также показаны примеры их использования на практике. Наконец, четвертое требование – возможность реализации двумерных проекций изображений лиц (или других числовых матриц) непосредственно в слоях сверточных нейронных сетей (СNN/Deep NN) и/или интеграции их функций в состав NN отдельными блоками. В настоящей статье обсуждается это требование и рассматриваются примеры решений. Приводятся оценки вычислительной сложности для представленных алгоритмов и примеры решения конкретных задач обработки изображений. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6159-2018-42-4-637-656 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Metody-dvumernoi-proekcii-cifrovyh-izobrazhenii-v-sobstvennye-podprostranstva-osobennosti-realizacii-i-primenenie-71668 |
Другие идентификаторы : | Dspace\SGAU\20181003\71668 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
420413.pdf | Основная статья | 543.15 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.