Нейронні мережі для розпізнавання об’єктів

Abstract

З розвитком комп’ютерних технологій багато завдань, що виникають у процесі життя, можна вирішувати, полегшувати, прискорювати та покращуючи якість результатів, таких як робота різноманітних систем життєзабезпечення, взаємодія людини з комп’ютером, поява роботизованих систем. Слід, однак, зазначити, що через недосконалість розроблених алгоритмів розпізнавання наразі неможливо забезпечити задовільні результати в деяких завданнях (розпізнавання об’єктів, що швидко рухаються, рукописний текст). Розпізнавання образів - це науковий напрям, що включає розробку принципів і побудову систем, спрямованих на визначення атрибуції даного об'єкту до одного із заздалегідь виділених класів об'єктів. Завдання пошуку зображення за зразком є частиною (підзадачею) більш загальної задачі розпізнавання образів. При несистематичному і ненаправленному пошуку «схожих» об'єктів з безлічі об'єктів, їх можна перераховувати безкінечно довго і не прийти до завершення із заданою вірогідністю. В окремих випадках об'єкти характеризуються такими ідентифікаційними параметрами (ознаками), як форма, колір, положення, рухливість, по відмінним рисам, їх комбінації. Залежно від цих факторів об'єкти піддаються класифікації. Часто стоїть не глобальне завдання класифікації всіх оточуючих об'єктів, а необхідність виділити в вхідному відео-потоці об'єкти певного роду. Завдання розпізнавання - це інформаційні завдання, що складаються з двох етапів: перетворення вихідних даних до виду, зручного для розпізнавання; власне розпізнавання (вказівка приналежності об'єкта певного класу). У цих завданнях можна вводити поняття аналогії або подібності об'єктів і формулювати правила, на підставі яких об'єкт зараховується в один і той же клас або в різні класи. Також можна оперувати набором прецедентів прикладів, класифікація яких відома і які у вигляді формалізованих описів можуть бути пред'явлені алгоритмом розпізнавання для настройки на 8 завдання в процесі навчання. Для цих завдань важко будувати формальні теорії і застосовувати класичні математичні методи (часто недоступна інформація для точної математичної моделі або виграш від використання моделі та математичних методів непорівнянний з витратами).