Математическая Модель Информационной Системы
22. Se, S. Vision based modeling and localization for planetary exploration rovers / S. Se, H. Ng, P. Jasiobedzki, T. Moyung // Proc. of 55th Intern. Astronautical Cong. 2004. R 1-11.
23. Viola, P. Rapid object detection using a boosted cascade of simple features / P. Viola, M. Jones // Proc. of CVPR’01. 2001. Vol. 1. R. 511-518.
24. Koenderink, J. The structure of images / J. Koenderink // Biol. Cybernetics. 1984. Vol. 50. R 363-370.
25. Lindeberg, T. Discrete Scale-Space Theory and the Scale-Space Primal Sketch : PhD thesis / T. Lindeberg. Stockholm, 1991.
26. Lindeberg, T. Real-time scale selection in hybrid multiscale representations / T. Lindeberg, L. Bretzner // Proc. Scale-Space’03. 2003. P. 148-163.
27. Brown, M. Invariant features from interest point groups / M. Brown, D. Lowe // Proc. of BMVC. 2002. P 656-665.
28. Engel E. A. Modified artificial neural network for information processing with the selection of essential connections : PhD thesis / E. A. Engel. Krasnoyarsk, 2004.
29. Cai, D. Learning a Spatially Smooth Subspace for Face Recognition / D. Cai, X. He, Y. Hu, J. Han, T. Huang // Proc. of CVPR’07. 2007. P 1-8.
E. А. Энгель
ОБРАБОТКА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ ИНТЕЛЛЕКТУАЛЬНЫМИ АЛГОРИТМАМИ
Основная проблема при построении системы распознавания образов - отыскание существенного набора свойств образа. Показано, что для распознания объектов с высокой изменчивостью формы, таких как рукописные цифры и лица, целесообразно использовать модифицированную нейронную сеть с предварительной предобработкой изображения объекта детектором и дескриптором, инвариантных к масштабированию и повороту. Эксперименты подтверждают эффективность схемы детектор-дескриптор-модифицированная нейронная сеть в реальных приложениях.
Ключевые слова: распознавание образов, схема детектор-дескриптор-модифицированная нейронная сеть.
