Класифікація зображень на підставі ансамблю статистичних розподілів за класами еталонів для компонентів структурного опису

Abstract

UK: Актуальність. Сучасні системи комп’ютерного зору потребують дієвих класифікаційних рішень на підґрунті поглибленого аналізу природи оброблюваних даних. Статистичні розподіли є на сьогодні першорядним засобом аналізу у системах розпізнавання образів. У випадку, якщо опис розпізнаваного об’єкту подано чималою множиною векторів, статистичний апарат стає фундаментальним способом ефективного прийняття рішення про клас розпізнаваного об’єкту. Це викликає необхідність застосування універсального апарату розподілів у загальному виді для системи багатовимірних дескрипторів опису за встановленими класами даних, що визначаються заданою базою еталонів. Класифікатор створює або організовує нову просторову структуру векторів із елементів аналізованого об’єкту, яка загалом має деяку оцінювану подібність до структури чи складу елементів еталону, а класифікація здійснюється шляхом оптимізації міри цієї подібності на множині еталонів. Ймовірнісна модель породження даних виступає ключовим практичним підходом до формалізації задачі навчання класифікатора, суть якої полягає у встановленні статистичних розподілів об’єктів чи їх складових з наступною процедурою агрегації компонентних рішень та подальшої оптимізації у середовищі класів. Цінним представляється також вивчення та застосування критеріїв оцінювання ефективності у задачі класифікації, що ґрунтується на статистичних засадах. Мета роботи. Розроблення методу результативної класифікації зображень шляхом впровадження ансамблевих статистичних рішень для складу компонентів опису. Метод. Запропоновано спосіб класифікації зображень на основі побудови узагальненого рішення ансамблю компонент, для яких попередньо обчислюються статистичні розподіли за класами даних. Результати. Здійснено синтез методу класифікації шляхом застосування ансамблевого рішення компонентів опису. Підтверджено працездатність і ефективність розробленого класифікатора. На прикладах застосування методу для синтезованих даних із використанням традиційних критеріїв експериментально оцінена його результативність. Висновки. Досліджені способи побудови класифікатора зображень засновані на ансамблі часткових рішень даних статистичного аналізу для складових структурного опису у вигляді множини дескрипторів ключових точок. Статистичний підхід забезпечує виявлення пріоритетного класифікаційного рішення для компонентів опису, за множиною яких формується результуюче рішення ансамблю. Наукову новизну дослідження складає розроблення методу класифікації зображень на підставі ансамблю рішень компонентів опису, що засновані на їх статистичних розподілах за класами даних. Практична значущість роботи полягає у підтвердженні працездатності та результативності запропонованих методів на демонстраційних прикладах. EN: Context. Modern computer vision systems require effective classification solutions based on in-depth analysis of the nature of the data being processed. Statistical distributions are currently the primary means of analysis in image recognition systems. If the description of the recognized object is given by a large number of vectors, the statistical apparatus becomes a fundamental way to effectively decide on the class of the recognized object. This requires the use of a universal distribution apparatus in general for a system of multidimensional descriptions for established classes of data, defined by a given database of etalons. The classifier creates or organizes a new spatial structure of vectors from the elements of the analyzed object, which generally has some estimated similarity to the structure or composition of the etalon elements, and the classification is done by optimizing the degree of this similarity on the set of etalons. The probabilistic model of data generation is a key practical approach to formalizing the task of classifier training, the essence of which is to establish statistical distributions of objects or their components, followed by the procedure of aggregation of component solutions and further optimization in the environment of etalon classes. It is also valuable to study and apply criteria for evaluating the effectiveness in classification problem based on statistical principles. Objective. Development of a method of effective classification of images by introduction of ensemble statistical decisions for structure of components of the description. Method. A method for classifying images based on the construction of a generalized solution of an ensemble of components for which statistical distributions by data classes are preliminarily calculated is proposed. Results. The synthesis of the classification method by applying the ensemble solution of the components of the description is carried out. The efficiency and effectiveness of the developed classifier are confirmed. On the examples of application of the method for synthesized data using traditional criteria, its effectiveness was experimentally evaluated. Conclusions. The investigated methods of constructing an image classifier are based on an ensemble of partial solutions of statistical analysis data for the components of the structural description in the form of a set of key point descriptors. The statistical approach provides identification of the priority classification decision for components of the description on which set the resulting decision of ensemble is formed. The scientific novelty of the study is the development of image classification method based on an ensemble of solutions of the component description, based on their statistical distributions by data classes. The practical significance of the work lies in confirming the efficiency and effectiveness of the proposed methods on demonstration examples.