Отрывок: Из теоремы Байеса следует: ?̂?(𝐶𝑖|𝒙) ∝ ?̂?(𝒙|𝐶𝑖) ∙ ?̂?𝑖, (6) где ?̂?𝑖 – оценка априорной вероятности i-го класса: ?̂?𝑖 = 1 𝑁 ∑ [𝑦𝑗 = 𝐶𝑖] 𝑁 𝑗=1 . (7) Определим функцию особенности точки 𝑙(𝒙): 𝑙(𝒙) = 𝑙𝑛(?̂?(𝐶1|𝒙)) − 𝑙𝑛(?̂?(𝐶2|𝒙)). (8) Информационные технологии и нанотехнологии - 2017 Обработка изображений и геоинформационные технологии 673 Рис. 1. Примеры изображений одной сцены с разных ракур...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Веричев, А.В. | - |
dc.date.accessioned | 2017-05-15 12:44:48 | - |
dc.date.available | 2017-05-15 12:44:48 | - |
dc.date.issued | 2017 | - |
dc.identifier | Dspace\SGAU\20170515\63762 | ru |
dc.identifier.citation | Веричев А.В. Обучаемый детектор особых точек изображения // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 670-675. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Obuchaemyi-detektor-osobyh-tochek-izobrazheniya-63762 | - |
dc.description.abstract | В работе представлен алгоритм построения обучаемого детектора особых точек изображения. В качестве локальных признаков используются моменты и моментные инварианты изображения. Для сокращения числа требуемых арифметических операций применяется метод рекурсивного вычисления степенных моментов с помощью целочисленных факториальных полиномов. Использование методов машинного обучения позволяет обеспечить настройку детектора к требуемым откликам. Результаты экспериментальных исследований демонстрируют возможность настройки детектора под задачу, повторяемость результатов, инвариантность к преобразованиям подобия изображений и возможность использования детектора на различных масштабах без построения пирамиды разрешений. | ru |
dc.description.sponsorship | Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 17-29-03190-офи. | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.subject | особые точки изображений | ru |
dc.subject | детекторы особых точек | ru |
dc.subject | обобщённые моменты изображений | ru |
dc.subject | моментные инварианты | ru |
dc.subject | машинное обучение | ru |
dc.title | Обучаемый детектор особых точек изображения | ru |
dc.type | Article | ru |
dc.textpart | Из теоремы Байеса следует: ?̂?(𝐶𝑖|𝒙) ∝ ?̂?(𝒙|𝐶𝑖) ∙ ?̂?𝑖, (6) где ?̂?𝑖 – оценка априорной вероятности i-го класса: ?̂?𝑖 = 1 𝑁 ∑ [𝑦𝑗 = 𝐶𝑖] 𝑁 𝑗=1 . (7) Определим функцию особенности точки 𝑙(𝒙): 𝑙(𝒙) = 𝑙𝑛(?̂?(𝐶1|𝒙)) − 𝑙𝑛(?̂?(𝐶2|𝒙)). (8) Информационные технологии и нанотехнологии - 2017 Обработка изображений и геоинформационные технологии 673 Рис. 1. Примеры изображений одной сцены с разных ракур... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 125_670-675.pdf | Основная статья. Раздел: Обработка изображений и геоинформационные технологии | 910.23 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.