Багатошаровий персептрон як інструмент первинної кластеризації зображень

• Veröffentlicht in: Реєстрація, зберігання і обробка даних
• Datum: 2016
• Hauptverfasser: Гороховатський, О.В., Передрій, О.О.
• Format: Artikel
• Sprache: Ukrainian
• Veröffentlicht: Інститут проблем реєстрації інформації НАН України 2016
• Schlagworte: Інформаційно-аналітичні системи обробки даних
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/131626
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Багатошаровий персептрон як інструмент первинної кластеризації зображень / О.В. Гороховатський, О.О. Передрій // Реєстрація, зберігання і обробка даних. — 2016. — Т. 18, № 4. — С. 33-43. — Бібліогр.: 9 назв. — укр.

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. 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. 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.