Розпізнавання образів

{{{img}}}
Імя Марія
Прізвище Прошина
По-батькові Юріївна
Факультет ФІС
Група СНм-51
Залікова книжка СНм-11-243


Репозиторія
Презентація доповіді на тему Розпізнавання образів
є розміщеною в Репозиторії.


Проедмет розпізнвавання образів –об'єднує ряд наукових дисциплін. Їх пов'язує пошук рішення загальної задачі - виділити елементи, що належать конкретному класу, серед множини розмитих елементів, що відносяться до кількох класів.

  • Клас образів - деяка категорія, що визначається рядом властивостей загальних для всіх її елементів.
  • Образ - це опис будь-якого елементу як представника відповідного класу образів.

У випадку коли множина образів розділяється на класи, що не перетинаються, бажано використовувати для віднесення цих образів до відповідних класів якийсь автоматичний пристрій.

Між образами та класами образів існує деяке ієрархічне підпорядкування.

Букви алфавітів і цифри є образами, якщо буквенно-цифрові символи розглядаються як клас образів.

Друковані і рукописні зображення, наприклад букви А є образами букви англійського алфавіту А, яка представляє в цьому випадку клас образів.


Історія формування теорії розпізнавання образів

Як наука, теорія розпізнавання образів почала формуватися наприкінці 50-их років. Спочатку це була змістовна постановка задачі ( але не формальна!) Вона полягала в тому, що треба було побудувати машину, яка б могла класифікувати різні ситуації так, як це робили живі істоти. Така загальна постановка задачі привела до того, що виникли різні напрямки досліджень. Деякі вчені будували моделі процесу сприйняття. Інші вважали, що головне-це створення алгоритмів навчання розпізнаванню образів, щоб розв”язувати конкретні задачі. Дехто шукав постановки нових математичних проблем. Якщо спочатку досить успішно вдалося просунутись по всіх напрямках, то з часом успіхи значно зменшились. Виникло дві протилежні точки зору на проблему розпізнавання. Перша полягала в тому, що потрібно знайти такий опис об”єктів, використовуючи апріорні дані про них, що знаходження принципу класифікації вже не буде важким. Друга бачила головну проблему в пошуку правила класифікації серед заданої множини вирішальних правил.


Проблема розпізнавання образів

В цілому проблема розпізнавання образів складається з двох частин:

  • навчання;
  • розпізнавання.

Навчання здійснюється шляхом показу окремих об'єктів з вказанням їх приналежності тому або іншому образу. В результаті навчання розпізнаюча система повинна набути здатність однаково реагувати на всі об'єкти одного образу і по-різному – на всі об'єкти різних образів. Дуже важливо, що процес навчання повинен завершитися лише шляхом показів скінченого числа об'єктів без будь-яких інших підказок. Об'єктами навчання можуть бути або картинки, або інші візуальні зображення (букви), або різні явища зовнішнього світу, наприклад звуки, стани організму тощо. Важливо, що в процесі навчання вказуються лише самі об'єкти і їх приналежність образу. За навчанням слідує процес розпізнавання нових об'єктів, який характеризує дії вже навчанної системи. Автоматизація цих процедур і складає проблему навчання розпізнаванню образів. У випадку, коли людина сама розгадує або придумує, а потім нав'язує машині правило класифікації, проблема розпізнавання вирішується частково, оскільки основну і головну частину проблеми (навчання) людина бере на себе.


Підходи до розпізнавання образів

У цілому, можна виділити три підходи до розпізнавання образів: перший використовує метод перебору. У цьому випадку проводиться порівняння з базою даних, де для кожного виду об'єктів представлені всілякі модифікації відображення. Наприклад, для оптичного розпізнавання образів можна застосувати метод перебору виду об'єкта під різними кутами, масштабами, зміщеннями, деформаціями і т. д. Для літер треба перебирати шрифт, властивості шрифту і т. д. У випадку розпізнавання звукових образів, відповідно, відбувається порівняння з деякими відомими шаблонами (наприклад, слово, вимовлене декількома людьми). Другий підхід - проводиться більш глибокий аналіз характеристик образу. У разі оптичного розпізнавання це може бути визначення різних геометричних характеристик. Звуковий зразок у цьому випадку піддається частотного, амплітудному аналізу і т. д. Наступний метод - використання штучних нейронних мереж (ШНМ). Цей метод вимагає або великої кількості прикладів задачі розпізнавання при навчанні, або спеціальної структури нейронної мережі, що враховує специфіку даної задачі. Тим не менш, його відрізняє більш висока ефективність і продуктивність.


Класифікація методів виявлення розладки

  • Послідовні алгоритми - алгоритми, призначенні для вирішення задачі якнайшвидшого виявлення розладки
  • Апостеріорні алгоритми - алгоритми, призначенні для вирішення задач оцінювання моменту появи розладки post factum.
  • Параметричні методи - методи, що вимагають інформації про розподіли випадкової послідовності.
  • Непараметричні методи - методи, що дозволяють відмовитися від інформації про розподіли випадкової послідовності.

Сфера застосування

Виявлення розладки випадкової послідовності знаходить своє застосування в багатьох сферах:

  • В геофізиці за заданою вибіркою даних сейсмоприймачів можна якомога точніше визначити момент появи сейсмічних хвиль та їх фаз, що допомагає точніше визначити епіцентр землетрусу.
  • У областях прикладних досліджень , наприклад, у технічної та медичної діагностики, де вся доступна інформація міститься в кінцевих вибірках багатовимірних спостережень, виникає необхідність по можливості точно відповісти на питання: наскільки істотно відрізняються властивості аналізованих сигналів, що характеризують різні стани досліджуваного об'єкта? Відповідь на питання зводиться до задачі виявлення розладки випадкового процесу.
  • В аналізі історичних текстів . Відомо, що багато давніх історичних джерела (літописи, хроніки тощо) складені з окремих фрагментів (шматків) різної природи. Ці окремі шматки могли бути написані в різний час різними авторами (у різних країнах), а тому можуть істотно відрізнятися один від одного своїм характером, мовою і стилем викладу, емоційним забарвленням і т.д. Потім могло трапитися так, що ці фрагменти були об'єднані якимось пізнішим автором в одну книгу. Після цього первісне походження текстів фрагментів забувалося, і вони починали існувати як єдина літопис. З плином часу в результаті, під впливом різних редакторів та в силу багатьох інших причин, початкові зовнішні відмінності між окремими фрагментами поступово стиралися. Виникає важливе питання: чи можна, спираючись на статистичний аналіз різних частотних характеристик, виявити сьогодні всередині "єдиного великого тексту" ці первинні складові частини?

Список літературних джерел

  • Ширяев А. Н. Статистический последовательный анализ. М.: Наука, 1969, 231 с.
  • Дарховский Б. С, Бродский Б. Е. Апостериорное обнаружение момента «разладки» случайной последовательности.— Теория вероятн. и ее примен., 1980
  • Дарховский Б. С, Бродский Б. Е. Анализа исторических текстов.
  • Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов.