Отрывок: Стоит отметить, что в связи с большим числом клас- сов разработанный подход даже для R(c) = 30 этало- нов оказывается более точным по сравнению с ос- тальными методами классификации. Заключение Таким образом, в настоящей работе предложена модификация ВНС (12) – (15), основанная на проек- ционных оценках плотности вероятности, которые используют систему тригонометрических функций и ...
Название : | Тригонометрическая система функций в проекционных оценках плотности вероятности нейросетевых признаков изображений |
Другие названия : | Trigonometric series in orthogonal expansions for density estimates of deep image features |
Авторы/Редакторы : | Савченко, А.В. |
Ключевые слова : | статистическое распознавание образов обработка изображений глубокие свёрточные нейронные сети вероятностная нейронная сеть проекционные оценки распознавание лиц |
Дата публикации : | Фев-2018 |
Издательство : | Самарский национальный исследовательский университет имени акад. С.П. Королева |
Библиографическое описание : | Савченко, А.В. Тригонометрическая система функций в проекционных оценках плотности вероятности нейросетевых признаков изображений / А.В. Савченко // Компьютерная оптика. – 2018. – Т. 42, № 1. – С. 149-158. – DOI: 10.18287/2412-6179-2018-42-1-149-158.. |
Серия/номер : | 42/1; |
Аннотация : | Исследована задача распознавания изображений, которые описываются векторами признаков высокой размерности, выделенными с помощью глубокой свёрточной нейронной сети и анализа главных компонент. Рассмотрена проблема высокой вычислительной сложностистатистического подхода с непараметрическими оценками плотности вероятности векторов признаков, реализованного в вероятностной нейронной сети. Предложен новый метод статистической классификации на основе проекционных оценок плотности распределения с тригонометрической системой ортогональных функций. Показано, что такой подход позволяет преодолеть недостатки вероятностной нейронной сети, связанные с необходимостью обработки всех признаков всех эталонных изображений. В рамках экспериментального исследования для наборов изображений Caltech-101 и CASIA WebFaces показано, что предлагаемый подход позволяет на 1-5% снизить вероятность ошибки распознавания и в 1,5-6 раз повысить вычислительную эффективность по сравнению с исходной вероятностной нейронной сетью для малых выборок эталонных изображений. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-2018-42-1-149-158 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Trigonometricheskaya-sistema-funkcii-v-proekcionnyh-ocenkah-plotnosti-veroyatnosti-neirosetevyh-priznakov-izobrazhenii-68015 |
Другие идентификаторы : | Dspace\SGAU\20180403\68015 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
420118.pdf | Основная статья | 277.23 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.