|
TANIB OLISH USULLARINING ALGORITMIK XUSUSIYATLARI
BO‘YICHA TASNIFLASH
X.G. Gaziyev (doktorant, Muhammad al-Xorazmiy nomidagi TATU)
Sh.G. Gaziyeva (magistrant, Muhammad al-Xorazmiy nomidagi TATU)
Tasvirdagi ob’yektlarni tanib olishning ko‘plab algoritmlari va usullari
mavjud. Tanib olish algoritmlarining deyarli barcha xilma-xilligi asosiy xususiyat-
larni ajratib ko‘rsatish va ularning sinov holatida mavjudligini aniqlashga qaratil-
gan. Tasvirlarni taqqoslash usuli bilan farq qiluvchi uchta usul guruhi mavjud.
Birinchi guruh usullarida funktsiyalar to‘plami (eng oddiy holatda, asl tasvir)
har bir belgining qiymati (masalan, alohida pikselning yorqinligi, asosiy
komponentning qiymati, chastota o‘zgartirish koeffisiyenti va shunga o‘xshash)
belgilar maydonining ma'lum bir o‘qi bo‘ylab koordinatadir. Taqqoslash jarayoni
xususiyatlar maydonini bir xil sinflarga tegishli bo‘lgan maydonlarga ajratishga
asoslangan.
Tasvirlarni taqqoslash usullari:
1. Belgilarning boshlang‘ich maydonini hududlarga ajratish;
2. Tasvirdagi asosiy maydonlarni ajratib ko‘rsatish va ularni taqqoslash:
Shablonlarni taqqoslash
Tasvir maydonlari uchun asosiy komponentlarni tahlil qilish
3. Rasm buzilishlarini tahlil qilish:
Asosiy masofani tahlil qilish:
- elastik grafikalar;
- moslashuvchan kontur modellari;
- antropometrik asosiy nuqtalar;
Butun tasvirni tahlil qilish:
- optik oqim;
- genetik algoritm;
- elastik deformatsiyalar;
Buzilishlar va butun tasvirning mohiyatini tahlil qilish:
- yashirin Markov modellari;
- kognitronlar, kognitron bo‘lmaganlar;
- yorqin neyron tarmoqlari;
4. Masofa:
Yevklid
Mahalanobis
Shahar
126
5. Klasterlash:
Radial asosli neyron tarmoqlar
Asosiy komponentlarning multimodal tahlillari
6. Sirtlarni ajratish:
Chiziqli diskriminant
Ko‘p qatlamli perseptron
Eng ilg‘or usullar boshlang‘ich tasvirni maydonlarga ajratishning eng yaxshi
usuli bo‘lishi mumkin bo‘lsa-da,
bu yetarli emas, chunki haqiqiy ob’yektlar
tasvirlarini o‘zgartirishning har qanday usullarini hisobga olish uchun juda ko‘p
sonli maydonlarni talab qiladi.
Buning sababi shundaki, hatto insoniy nuqtai
nazardan, tasvirni o‘zgartirish (masalan, burchak, yorug‘lik yoki soqolning
mavjudligi) ham ahamiyatsiz, asl nusxadan juda uzoq bo‘lgan holatni berishi
mumkin. Bu holatda tizim bir xil odamga emas, balki, masalan, bir xil rakursga
javob berishi mumkin, bu esa boshqa odamning tasvirini bir xil rakursdagi
noma'lum shaxsga o‘xshash deb hisoblaydi. Tasvirni avval namoyish qilish uchun
turli xil o‘zgartirishlarni qo‘llash yoki oldindan ishlov berish umumiy holat uchun
bu muammoni hal qila olmaydi.
Keyingi usul guruhi bu kamchilikni qisman bartaraf etadi. Tasvirda yuzning
muhim joylari (masalan, ko‘z, qosh, burun, lablar) mavjud. Jumladan birinchi usul
har bir sohani taqqoslaydi va har bir taqqoslash natijasi yakuniy natijaga yordam
beradi.
Uchinchi guruh tasvirning topologik buzilishlarini hisobga oladi.
Tasvirdagi
elastik grafikalarni taqqoslash usuli yoylar bilan bog‘liq bo‘lgan bir qator aniq
nuqtalarni o‘z ichiga oladi. Noma’lum tasvirda asl nusxalariga mos keladigan
nuqtalar topiladi va keyinchalik yoy o‘lchamlarining umumiy o‘zgarishi
o‘lchanadi. Moslashuvchan kontur modellarida yuzning konturlari olinadi, keyin
turli tasvirlar uchun kontur shakllari taqqoslanadi. Boshqa tadqiqotlar ko‘z, burun
va og‘iz joylari o‘rtasidagi masofa nisbatlarini tahlil qilish uchun neyron
tarmoqlari va yashirin Markov modellaridan foydalanadi. Yuqoridagi usullarda,
asosiy joylar yoki konturlarni topgandan so‘ng, qolgan ma'lumotlar hisobga
olinmaydi, bu esa aniqlikni kamaytiradi.
Yuqoridagi usullar faqat uning xarakterini hisobga olishga urinmasdan
umumiy buzilishlarni taqqoslaydi, bu ularning kamchiligidir. Tasvir buzilishining
xarakteri tasvirni tanib olish uchun muhim ma'lumotlarni o‘z ichiga oladi, chunki
quyidagi usullar yaxshiroq aniqlikka ega. Ushbu usullar: psevdo-ikki o‘lchovli
yashirin Markov modellari, yorqin neyron tarmoqlari, kognitronlar va kognitron
bo‘lmaganlarni o‘z ichiga oladi.
Visionics korporatsiyasining Faceit texnologiyasi algoritmlarida tasvir
bloklarga bo‘linadi va bunday bloklarning o‘zaro joylashuvi tahlil qilinadi.
Taqqoslash uchun ushbu usullar tasvirlar maydonlari (bloklari) xususiyatlaridan
(piksel yorqinligi to‘plami, chastota o‘zgartirish koeffisiyentlari, tasvir bloklarining
asosiy tarkibiy qismlari va boshqalar) va shu kabi maydonlarning nisbiy holatidan
foydalanadi. Bundan tashqari, buzilishning tabiati va maydonlarning mazmuni
o‘rganish jarayonida hisobga olinadi. Tanib olish jarayonida buzilish
127
o‘rganishlarning har bir misolida emas, balki umumlashtirilgan sinf modelida
amalga oshiriladi.
Ushbu o‘rganilgan tanib olish usullarining algoritmik xususiyatlari bo‘yicha
tasniflash - algoritmik tizimlarni ishlab chiqish usullarini yaratish uchun asos
bo‘lib xizmat qilishi mumkin. Bu ularning yaratish xususiyatlarini hisobga oladi va
tanib olish muammosini hal qilish asosida aniqlangan algoritmik tizimlarning
resurs samaradorligini oshiradi.
Do'stlaringiz bilan baham: |
