Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Введение: Системы распознавания образов

Содержание

темы
Введение:  Системы распознавания образов  Корлякова Мария Олеговна 2016 темы Лабораторные работы ОценкаЛабы (50%)РК (20%)Тесты на лекциях(20%)Посещение(10%) Тема 1. ВведениеПлан:Область применения, задачи, история развития и основные идеи и практика ПримерыЧтение книгиСобака узнает хозяина или другую собакуРосянка опознает мухуЗамок и ключ :-) ОпределениеРаспознавание образов – это научная дисциплина, целью которой является разделение объектов по Основная ИДЕЯРазделение основывается на прецедентах. Прецедент – это образ, правильное отнесение к ИсторияНейрофизиология и психология конец 19 века, начало 20-го века (Павлов - собака)Р.Фишер ФигурыВ.М.Глушков, В.С.Михалевич, В.С.Пугачев, НП.Бусленко, Ю.И.Журавлев, Я.З.Цыпкин, А.Г.Ивахненко,  М.А.Айзерман,  Э.М.Браверман, М.М.Бонгард,В.Н.Вапник, Основные цели разработки систем распознаванияОсвобождение человека от однообразных рутинных операций  для Великая ЦЕЛЬСоздать искусственную систему, которая сама решит любую задачу эффективноСлучай 1:			Случай 2:Чайник Образ не объектОписание не полностью представляет объектОписание зависит от задачОписание содержит погрешности Образ не объектСовокупность признаков, относящихся к одному образу, называется вектором признаков.Вектора признаков Класс классы -  это  объединения  объектов  (явлений), отличающиеся Классификация Систем распознаванияОднородность:-простые; -сложныеСпособ получения апостериорной информации-одноуровневые;-многоуровневые. Количество первоначальной априорной информацииБез обученияС Схема системы распознавания Этапы формирования системы распознаванияГенерация признаков – выявление признаков, которые наиболее полно описывают Основные задачи при построении систем распознавания образовПостроение признаковСелекция признаковПодавление помехПреобразование признаковОтнесение к литератураМетоды современной и классической теории управления. Т5. - 2004 Математические методы распознавания Тема 2. Задача распознавания образов как выделение характерных признаков План:Общая задача классификации. Задача классификации (что делает)Разделить объекты на 2 группы и сказать к какой Задача классификации (по существу)Разбиение пространства признаков на области по одной для каждого Гипотеза компактностиКлассическая. Реализация одного и того же образа, обычно, отображается признаком пространства Рабочие утвержденияНеобработанное представление информации увеличивает ошибку обобщения нейронной сети и время на ПроблемаНеобходимо отобрать интересные составляющие описания объекта – селекция :А КАК?Необходимо определить правильное Описание классов по примерами по признакам (эталоны)Столы для работыСтолы для обеда Описание классов структурамиСтолы для работыСтолы для обедастолешницаБоковая опораБоковая опораЯщикистолешницаНожка 1Ножка 2Ножка 3Ножка 4 Описания классов вероятностное Ширина стола , м0		0.5		1		1.5		2Р(класс i)Рабочий столобеденный стол Логическое описание образаОбеденный стол содержит несколько( не менее 1) ножки и немного Расстояния между объектами – object distanceМетрики : Минковский (упорядоченные признаки)Меры: Хемминг (номинальные ДатчикПреобразование внешнего мира в цифровое описание доступное компьютерной обработкеАналогво-Цифровое Преобразование – АЦП – DigitizerКвантованиеДискретизация Получение пиксельного изображенияСпроецированное изображение непрерывное, с гладкими границамиНа матрице оно дискретизируетсяПо пространству (пиксельная решетка)По цвету Типы изображенийРисунокФотографияОптическоеэлектронное Глубина цвета - Depth of colorКвантование цветаЧисло разрядов для представления цвета1- бинарный8-полноцветныйЧисло бит на пиксель1824 Чувствительность человека color model - RGB RGB			RG			B ВопросПредставить функцию в цифровой форме на отрезке [-π, π] с интервалом дискретизации Построение признаков для изображенийПризнаки формыПризнаки порядкаПризнаки структуры
Слайды презентации

Слайд 2 темы

темы

Слайд 3 Лабораторные работы

Лабораторные работы

Слайд 4 Оценка
Лабы (50%)
РК (20%)
Тесты на лекциях(20%)
Посещение(10%)

ОценкаЛабы (50%)РК (20%)Тесты на лекциях(20%)Посещение(10%)

Слайд 5 Тема 1. Введение
План:
Область применения, задачи, история развития и

Тема 1. ВведениеПлан:Область применения, задачи, история развития и основные идеи и

основные идеи и практика распознавания образов.
Данные, знания, гипотеза,

закономерность, свойства гипотез. Объекты.
Системы распознавания образов их состав и задачи
Классификация задач распознавания

Слайд 6 Примеры
Чтение книги
Собака узнает хозяина или другую собаку
Росянка опознает

ПримерыЧтение книгиСобака узнает хозяина или другую собакуРосянка опознает мухуЗамок и ключ :-)

муху
Замок и ключ :-)


Слайд 7 Определение
Распознавание образов – это научная дисциплина, целью которой

ОпределениеРаспознавание образов – это научная дисциплина, целью которой является разделение объектов

является разделение объектов по нескольким категориям или классам.

Объекты

называются образами.


Слайд 8 Основная ИДЕЯ

Разделение основывается на прецедентах.
Прецедент – это

Основная ИДЕЯРазделение основывается на прецедентах. Прецедент – это образ, правильное отнесение

образ, правильное отнесение к категории которого известно.
Прецедент –объект,

принимаемый как образец при решении задач разделения по категориям.

Идея принятия решений на основе прецедентности – основополагающая в естественно-научном мировоззрении.

Слайд 9 История
Нейрофизиология и психология конец 19 века, начало 20-го

ИсторияНейрофизиология и психология конец 19 века, начало 20-го века (Павлов -

века (Павлов - собака)
Р.Фишер – дискриминантный анализ – 1936

г. (направление наибольшей различимости)
Колмогоров А.Н. – Разделение смеси двух распределений 1936-1940
Кибернетика – Н.Виннер - 1948г.
Кластерный анализ –начало 20-го века
Многомерное шкалирование 70-е
Нейронные сети 50-е



Слайд 10 Фигуры
В.М.Глушков,
В.С.Михалевич,
В.С.Пугачев,
НП.Бусленко,
Ю.И.Журавлев,
Я.З.Цыпкин,
А.Г.Ивахненко,

ФигурыВ.М.Глушков, В.С.Михалевич, В.С.Пугачев, НП.Бусленко, Ю.И.Журавлев, Я.З.Цыпкин, А.Г.Ивахненко, М.А.Айзерман, Э.М.Браверман, М.М.Бонгард,В.Н.Вапник, Г.П.Тартаковский,


М.А.Айзерман,
Э.М.Браверман,
М.М.Бонгард,
В.Н.Вапник,
Г.П.Тартаковский,
В.Г.Репин,
Л.А.Растригин,
А.Л.Горелик и др.
Р.

Фишер
П.Ч. Махаланобис
Г.Хотелинг
Ф.Розенблатт
Хопфилд
Т.Кохонен
С. Пайперт
М. Минский 
Р.Гонсалес,
У.Гренандер,
Р.Дуда,
Г.Себестиан,
Дж.Ту,
К.Фу,
П.Харт.


Слайд 11 Основные цели разработки систем распознавания
Освобождение человека от однообразных

Основные цели разработки систем распознаванияОсвобождение человека от однообразных рутинных операций для

рутинных операций для решения других более важных задач.
 
Повышение

качества выполняемых работ.

Повышение скорости решения задач.


Слайд 12 Великая ЦЕЛЬ
Создать искусственную систему, которая сама решит любую

Великая ЦЕЛЬСоздать искусственную систему, которая сама решит любую задачу эффективноСлучай 1:			Случай

задачу эффективно

Случай 1: Случай 2:
Чайник на столе Чайник с
Вода в ведре Водой

стоит в
Печка Печке, где лежат
Дрова под печкой Дрова.
Спички спички рядом
↓ ↓
Цель:Кипяток Цель:Кипяток


Слайд 13 Образ не объект

Описание не полностью представляет объект
Описание зависит

Образ не объектОписание не полностью представляет объектОписание зависит от задачОписание содержит

от задач
Описание содержит погрешности представления

Измерения, используемые для классификации образов,

называются признаками.

Любой образ представляется некоторым набором признаков

Основное назначение описаний (образов) - это их использование в процессе установления соответствия объектов

Слайд 14 Образ не объект
Совокупность признаков, относящихся к одному образу,

Образ не объектСовокупность признаков, относящихся к одному образу, называется вектором признаков.Вектора

называется вектором признаков.

Вектора признаков принимают значения в пространстве признаков


Слайд 15 Класс
классы - это объединения

Класс классы - это объединения объектов (явлений), отличающиеся общими свойствами, интересующими

объектов (явлений), отличающиеся общими свойствами, интересующими человека.

цель

распознавания – принятие решения об отнесении объекта к тому или иному классу.

Классификатором или решающим правилом называется правило отнесения образа к одному из классов на основании его вектора признаков.


Слайд 16 Классификация Систем распознавания
Однородность:
-простые;
-сложные
Способ получения апостериорной информации
-одноуровневые;
-многоуровневые.
Количество

Классификация Систем распознаванияОднородность:-простые; -сложныеСпособ получения апостериорной информации-одноуровневые;-многоуровневые. Количество первоначальной априорной информацииБез

первоначальной априорной информации
Без обучения
С обучением
Самообучаемые
Характер информации о признаках распознавания
детерминированные;


вероятностные;
Логические;
структурные (лингвистические);
комбинированные.


Слайд 17 Схема системы распознавания

Схема системы распознавания

Слайд 18 Этапы формирования системы распознавания
Генерация признаков – выявление признаков,

Этапы формирования системы распознаванияГенерация признаков – выявление признаков, которые наиболее полно

которые наиболее полно описывают объект.
Селекция признаков – выявление признаков,

которые имеют наилучшие классификационные свойства для конкретной задачи.
Преобразование системы признаков
Построение классификатора.
Оценка классификатора.

Слайд 19 Основные задачи при построении систем распознавания образов
Построение признаков
Селекция

Основные задачи при построении систем распознавания образовПостроение признаковСелекция признаковПодавление помехПреобразование признаковОтнесение

признаков
Подавление помех
Преобразование признаков
Отнесение к группе объектов (образу)
Формирование групп объектов

(образов)


Слайд 20 литература
Методы современной и классической теории управления. Т5. -

литератураМетоды современной и классической теории управления. Т5. - 2004 Математические методы

2004
Математические методы распознавания образов. Курс лекций. МГУ, ВМиК,

кафедра «Математические методы прогнозирования», Местецкий Л.М., 2002–2004.


Слайд 21 Тема 2. Задача распознавания образов как выделение характерных

Тема 2. Задача распознавания образов как выделение характерных признаков План:Общая задача

признаков
План:
Общая задача классификации.
Классы.
Описания классов вероятностное (параметрическое, непараметрическое),

логическое.
Меры компактности объектов в множествах, расстояния: Евклидово, по Хеммингу
Признаки для описания объектов.


Слайд 22 Задача классификации (что делает)
Разделить объекты на 2 группы

Задача классификации (что делает)Разделить объекты на 2 группы и сказать к

и сказать к какой из них относиться новый объект:




Слайд 23 Задача классификации (по существу)
Разбиение пространства признаков на области

Задача классификации (по существу)Разбиение пространства признаков на области по одной для

по одной для каждого класса









Дуда Р., Харт П.

Распознавание образов и анализ сцен. 1976






Слайд 24 Гипотеза компактности
Классическая. Реализация одного и того же образа,

Гипотеза компактностиКлассическая. Реализация одного и того же образа, обычно, отображается признаком

обычно, отображается признаком пространства геометрически близкими точками.
Гипотеза λ-компактности


Расстояние мало, но есть неоднородность.















С1

С2


Слайд 25 Рабочие утверждения
Необработанное представление информации увеличивает ошибку обобщения нейронной

Рабочие утвержденияНеобработанное представление информации увеличивает ошибку обобщения нейронной сети и время

сети и время на ее обучение.
Состав и порядок представления

объектов значительно влияет на результат обучения нейронной сети.

Слайд 26 Проблема
Необходимо отобрать интересные составляющие описания объекта – селекция

ПроблемаНеобходимо отобрать интересные составляющие описания объекта – селекция :А КАК?Необходимо определить

:А КАК?
Необходимо определить правильное преобразование описания объектов – выбор

способа обработки : А КАКОЕ?
Реализация дополнительного алгоритма преобразования описания объектов увеличивает время обработки данных : ВСЕ ПРОПАЛО?

Слайд 27 Описание классов по примерами по признакам (эталоны)
Столы для

Описание классов по примерами по признакам (эталоны)Столы для работыСтолы для обеда

работы





Столы для обеда


Слайд 28 Описание классов структурами
Столы для работы





Столы для обеда

столешница
Боковая опора
Боковая

Описание классов структурамиСтолы для работыСтолы для обедастолешницаБоковая опораБоковая опораЯщикистолешницаНожка 1Ножка 2Ножка 3Ножка 4

опора
Ящики
столешница
Ножка 1
Ножка 2
Ножка 3
Ножка 4


Слайд 29 Описания классов вероятностное

Ширина стола , м
0 0.5 1 1.5 2
Р(класс i)


Рабочий

Описания классов вероятностное Ширина стола , м0		0.5		1		1.5		2Р(класс i)Рабочий столобеденный стол

стол
обеденный стол


Слайд 30 Логическое описание образа
Обеденный стол содержит несколько( не менее

Логическое описание образаОбеденный стол содержит несколько( не менее 1) ножки и

1) ножки и немного ящиков (не более 2), его

столешница имеет отношение ширины к длине не более 1/2

Слайд 31 Расстояния между объектами – object distance
Метрики : Минковский

Расстояния между объектами – object distanceМетрики : Минковский (упорядоченные признаки)Меры: Хемминг

(упорядоченные признаки)

Меры: Хемминг (номинальные признаки)

Число преобразований (структурное расстояние)
Луна –Лупа

– Липа – Лига – Лира – Мира – Мирт – Март – Марс


Слайд 32 Датчик
Преобразование внешнего мира в цифровое описание доступное компьютерной

ДатчикПреобразование внешнего мира в цифровое описание доступное компьютерной обработкеАналогво-Цифровое Преобразование – АЦП – DigitizerКвантованиеДискретизация

обработке
Аналогво-Цифровое Преобразование – АЦП – Digitizer

Квантование
Дискретизация


Слайд 33 Получение пиксельного изображения
Спроецированное изображение непрерывное, с гладкими границами
На

Получение пиксельного изображенияСпроецированное изображение непрерывное, с гладкими границамиНа матрице оно дискретизируетсяПо пространству (пиксельная решетка)По цвету

матрице оно дискретизируется
По пространству (пиксельная решетка)
По цвету


Слайд 34 Типы изображений
Рисунок
Фотография
Оптическое
электронное

Типы изображенийРисунокФотографияОптическоеэлектронное

Слайд 35 Глубина цвета - Depth of color
Квантование цвета
Число разрядов

Глубина цвета - Depth of colorКвантование цветаЧисло разрядов для представления цвета1- бинарный8-полноцветныйЧисло бит на пиксель1824

для представления цвета
1- бинарный
8-полноцветный

Число бит на пиксель
1
8
24


Слайд 36 Чувствительность человека

Чувствительность человека

Слайд 37 color model - RGB

color model - RGB

Слайд 38
RGB R




G B

RGB			RG			B

Слайд 39 Вопрос
Представить функцию в цифровой форме на отрезке [-π,

ВопросПредставить функцию в цифровой форме на отрезке [-π, π] с интервалом

π] с интервалом дискретизации π/4, с 3-мя уровнями квантования
Вариант

1
cos(x)

Вариант 2
sin(x)

  • Имя файла: vvedenie-sistemy-raspoznavaniya-obrazov.pptx
  • Количество просмотров: 113
  • Количество скачиваний: 0