Multilayer perceptron as the primary instrument for image clustering
A multilayer perceptron as an instrument of the primary analysis of the image, in particular, its application to search for regions of interest or clusterization is described. Various implementations of training procedures to receive a minimum structure of a net, select size of areas effectively and...
Збережено в:
Дата: | 2016 |
---|---|
Автори: | , |
Формат: | Стаття |
Мова: | Ukrainian |
Опубліковано: |
Інститут проблем реєстрації інформації НАН України
2016
|
Теми: | |
Онлайн доступ: | http://drsp.ipri.kiev.ua/article/view/104130 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Назва журналу: | Data Recording, Storage & Processing |
Репозитарії
Data Recording, Storage & Processingid |
drspiprikievua-article-104130 |
---|---|
record_format |
ojs |
spelling |
drspiprikievua-article-1041302019-12-30T16:42:28Z Multilayer perceptron as the primary instrument for image clustering Многослойный персептрон как инструмент первичной кластеризации изображений Багатошаровий персептрон як інструмент первинної кластеризації зображень Gorokhovatskiy, O. V. Peredriy, O. O. image multilayer perceptron sliding window the region of interest learning identity coefficient clustering изображение многослойный персептрон скользящее окно области интереса обучение коэффициент идентичности кластеризация зображення багатошаровий персептрон ковзне вікно області інтересу навчання коефіцієнт ідентичності кластеризація A multilayer perceptron as an instrument of the primary analysis of the image, in particular, its application to search for regions of interest or clusterization is described. Various implementations of training procedures to receive a minimum structure of a net, select size of areas effectively and choose the step size between the regions are considered. Coefficient for comparison of matrixes with class labels is proposed, examples of its usage are shown. Experimental investigations have confirmed the effectiveness of the proposed methods. Работа посвящена исследованию многослойного персептрона как инструмента первичного анализа изображения, в частности, для поиска областей интереса или разбиения на классы. Рассмотрены различные реализации процедуры обучения, получения сети минимальной структуры, процедуры выбора размера областей, выбора размеров шага между областями. Предложен коэффициент, позволяющий сравнить матрицы с разметками изображений, приведены примеры его использования. Проведены экспериментальные исследования, которые подтвердили эффективность предложенных методов. Роботу присвячено дослідженню багатошарового персептронаяк інструмента первинного аналізу зображення, зокрема, для пошуку областей інтересу або розбиття на класи. Розглянуто різні реалізації процедури навчання, отримання мережі мінімальної структури, процедури вибору розміру областей, вибору розмірів кроку між областями. Запропоновано коефіцієнт, що дозволяє порівняти матриці з розмітками зображень, наведено приклади його використання. Проведено експериментальні дослідження, які підтвердили ефективність запропонованих методів. Інститут проблем реєстрації інформації НАН України 2016-12-27 Article Article application/pdf http://drsp.ipri.kiev.ua/article/view/104130 10.35681/1560-9189.2016.18.4.104130 Data Recording, Storage & Processing; Vol. 18 No. 4 (2016); 33–43 Регистрация, хранение и обработка данных; Том 18 № 4 (2016); 33–43 Реєстрація, зберігання і обробка даних; Том 18 № 4 (2016); 33–43 1560-9189 uk http://drsp.ipri.kiev.ua/article/view/104130/99149 Авторське право (c) 2021 Реєстрація, зберігання і обробка даних |
institution |
Data Recording, Storage & Processing |
collection |
OJS |
language |
Ukrainian |
topic |
image multilayer perceptron sliding window the region of interest learning identity coefficient clustering изображение многослойный персептрон скользящее окно области интереса обучение коэффициент идентичности кластеризация зображення багатошаровий персептрон ковзне вікно області інтересу навчання коефіцієнт ідентичності кластеризація |
spellingShingle |
image multilayer perceptron sliding window the region of interest learning identity coefficient clustering изображение многослойный персептрон скользящее окно области интереса обучение коэффициент идентичности кластеризация зображення багатошаровий персептрон ковзне вікно області інтересу навчання коефіцієнт ідентичності кластеризація Gorokhovatskiy, O. V. Peredriy, O. O. Multilayer perceptron as the primary instrument for image clustering |
topic_facet |
image multilayer perceptron sliding window the region of interest learning identity coefficient clustering изображение многослойный персептрон скользящее окно области интереса обучение коэффициент идентичности кластеризация зображення багатошаровий персептрон ковзне вікно області інтересу навчання коефіцієнт ідентичності кластеризація |
format |
Article |
author |
Gorokhovatskiy, O. V. Peredriy, O. O. |
author_facet |
Gorokhovatskiy, O. V. Peredriy, O. O. |
author_sort |
Gorokhovatskiy, O. V. |
title |
Multilayer perceptron as the primary instrument for image clustering |
title_short |
Multilayer perceptron as the primary instrument for image clustering |
title_full |
Multilayer perceptron as the primary instrument for image clustering |
title_fullStr |
Multilayer perceptron as the primary instrument for image clustering |
title_full_unstemmed |
Multilayer perceptron as the primary instrument for image clustering |
title_sort |
multilayer perceptron as the primary instrument for image clustering |
title_alt |
Многослойный персептрон как инструмент первичной кластеризации изображений Багатошаровий персептрон як інструмент первинної кластеризації зображень |
description |
A multilayer perceptron as an instrument of the primary analysis of the image, in particular, its application to search for regions of interest or clusterization is described. Various implementations of training procedures to receive a minimum structure of a net, select size of areas effectively and choose the step size between the regions are considered. Coefficient for comparison of matrixes with class labels is proposed, examples of its usage are shown. Experimental investigations have confirmed the effectiveness of the proposed methods. |
publisher |
Інститут проблем реєстрації інформації НАН України |
publishDate |
2016 |
url |
http://drsp.ipri.kiev.ua/article/view/104130 |
work_keys_str_mv |
AT gorokhovatskiyov multilayerperceptronastheprimaryinstrumentforimageclustering AT peredriyoo multilayerperceptronastheprimaryinstrumentforimageclustering AT gorokhovatskiyov mnogoslojnyjperseptronkakinstrumentpervičnojklasterizaciiizobraženij AT peredriyoo mnogoslojnyjperseptronkakinstrumentpervičnojklasterizaciiizobraženij AT gorokhovatskiyov bagatošarovijperseptronâkínstrumentpervinnoíklasterizacíízobraženʹ AT peredriyoo bagatošarovijperseptronâkínstrumentpervinnoíklasterizacíízobraženʹ |
first_indexed |
2024-04-21T19:33:33Z |
last_indexed |
2024-04-21T19:33:33Z |
_version_ |
1796974065483776000 |