Books by Володимир Гороховатський
Матеріали роботи містять теоретичний розділ монографії Гороховатський В.О., Гадецька С.В. Статист... more Матеріали роботи містять теоретичний розділ монографії Гороховатський В.О., Гадецька С.В. Статистичне оброблення та аналіз даних у структурних методах класифікації зображень (монографія). – Харків: ФОП Панов А.Н., 2020. – 128 с.
Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтелектуальних систем розпізнавання зображень на основі використання структурних методів. Основна увага приділяється впровадженню апарату статистичного аналізу даних, що є фундаментальною основою функціонування сучасних систем розпізнавання. Запропоновано новітні методи класифікації зображень на підгрунті опису у вигляді множини дескрипторів ключових точок, проведено їх статистичне обгрунтування. Впроваджено ефективні підходи просторового аналізу даних описів із використанням фрагментного оброблення. Розроблено ряд нових перспективних просторів даних для систем розпізнавання, де досягається суттєве поліпшення показників швидкодії та достовірності, вивчені статистичні підходи до оптимізації параметрів запропонованих методів. Детально описано результати експериментальних досліджень і застосування розроблених методів при вирішенні задач класифікації для прикладних баз зображень.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
монография, 2020
Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтеле... more Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтелектуальних систем розпізнавання зображень на основі використання структурних методів. Основна увага приділяється впровадженню апарату статистичного аналізу даних, що є фундаментальною основою функціонування сучасних систем розпізнавання. Запропоновано новітні методи класифікації зображень на підгрунті опису у вигляді множини дескрипторів ключових точок, проведено їх статистичне обгрунтування. Впроваджено ефективні підходи просторового аналізу даних описів із використанням фрагментного оброблення. Розроблено ряд нових перспективних просторів даних для систем розпізнавання, де досягається суттєве поліпшення показників швидкодії та достовірності, вивчені статистичні підходи до оптимізації параметрів запропонованих методів. Детально описано результати експериментальних досліджень і застосування розроблених методів при вирішенні задач класифікації для прикладних баз зображень.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
Papers by Володимир Гороховатський
Статистичне оброблення та аналіз даних у структурних методах класифікації зображень
А н о т ац і я. Предметом досліджень є методи класифікації зображень за множиною дескрипторів клю... more А н о т ац і я. Предметом досліджень є методи класифікації зображень за множиною дескрипторів ключових точок. Метою є підвищення продуктивності методів класифікації, зокрема, прискорення часових показників класифікації шляхом впровадження засобів хешування для подання еталонних даних. Методи, що застосовуються: детектор та дескриптори ORB, засоби хешування даних, методи пошуку в масивах даних, апарат визначення релевантності векторів на основі метрик, програмне моделювання. Отримані результати: розроблено ефективний метод класифікації зображень на основі впровадження швидкісного пошуку із використанням хеш-структур, що прискорює обчислення в десятки разів; час класифікації для розглянутих експериментальних описів лінійно зростає зі зменшенням числа хеш-кошиків; вибір порогу для значення мінімуму метрики при встановленні класу для дескрипторів об'єкту суттєво впливає на точність класифікації; вибір такого порогу може бути оптимізовано для фіксованих баз зразків; експериментально досягнута точність класифікації вказує на працездатність та результативність запропонованого методу на підґрунті хешуванням даних. Практична значущість роботи-побудова моделей класифікації у просторі хеш-подання даних, підтвердження працездатності запропонованих модифікацій класифікаторів на прикладах зображень, розроблення прикладних програмних моделей для впровадження запропонованих методів класифікації у системах комп'ютерного зору. К л ю ч ов і с л ов а: комп'ютерний зір; структурні методи класифікації зображень; дескриптор ORB; хешування, лінійний пошук, хеш-кошик, швидкодія оброблення, точність класифікації.
Sučasnì ìnformacìjnì sistemi, Jun 22, 2021
А н о т ац і я. Предметом досліджень є методи класифікації зображень за множиною дескрипторів клю... more А н о т ац і я. Предметом досліджень є методи класифікації зображень за множиною дескрипторів ключових точок. Метою є підвищення продуктивності методів класифікації, зокрема, прискорення часових показників класифікації шляхом впровадження засобів хешування для подання еталонних даних. Методи, що застосовуються: детектор та дескриптори ORB, засоби хешування даних, методи пошуку в масивах даних, апарат визначення релевантності векторів на основі метрик, програмне моделювання. Отримані результати: розроблено ефективний метод класифікації зображень на основі впровадження швидкісного пошуку із використанням хеш-структур, що прискорює обчислення в десятки разів; час класифікації для розглянутих експериментальних описів лінійно зростає зі зменшенням числа хеш-кошиків; вибір порогу для значення мінімуму метрики при встановленні класу для дескрипторів об'єкту суттєво впливає на точність класифікації; вибір такого порогу може бути оптимізовано для фіксованих баз зразків; експериментально досягнута точність класифікації вказує на працездатність та результативність запропонованого методу на підґрунті хешуванням даних. Практична значущість роботи-побудова моделей класифікації у просторі хеш-подання даних, підтвердження працездатності запропонованих модифікацій класифікаторів на прикладах зображень, розроблення прикладних програмних моделей для впровадження запропонованих методів класифікації у системах комп'ютерного зору. К л ю ч ов і с л ов а: комп'ютерний зір; структурні методи класифікації зображень; дескриптор ORB; хешування, лінійний пошук, хеш-кошик, швидкодія оброблення, точність класифікації.
Застосування засобів хешування даних для прискорення класифікаційних рішень у структурних методах розпізнавання зображень
Advanced Information Systems, 2021
The subject of this research is the image classification methods based on a set of key points des... more The subject of this research is the image classification methods based on a set of key points descriptors. The goal is to increase the performance of classification methods, in particular, to improve the time characteristics of classification by introducing hashing tools for reference data representation. Methods used: ORB detector and descriptors, data hashing tools, search methods in data arrays, metrics-based apparatus for determining the relevance of vectors, software modeling. The obtained results: developed an effective method of image classification based on the introduction of high-speed search using hash structures, which speeds up the calculation dozens of times; the classification time for the considered experimental descriptions increases linearly with decreasing number of hashes; the minimum metric value limit choice on setting the class for object descriptors significantly affects the accuracy of classification; the choice of such limit can be optimized for fixed sampl...
The Research of Image Classification Methods Based on the Introducing Cluster Representation Parameters for the Structural Description
International Journal of Engineering Trends and Technology, 2021
The results of the development of high-speed methods for classifying images in computer vision sy... more The results of the development of high-speed methods for classifying images in computer vision systems using the description as a set of keypoints descriptors are presented. Classification methods based on the system of cluster centers parameters, which are independently constructed for the etalon descriptors set, are researched. The competitive voting of the descriptors of the object being recognized on a set of etalon centers is proposed. An optimal way of comparing the sets of cluster centers for an object and etalons is applied. Experimental estimation of the efficiency for the two presented classification methods in terms of computation time and classification accuracy based on the results of applied dataset processing are shown. Based on the research, a conclusion about the effectiveness of classification technologies using cluster centers for structural descriptions of images to ensure decision-making in real-time is made.
Bulletin of the National Technical University "KhPI". Series: Mathematical modeling in engineering and technologies, 2020
У дослідженні вивчається і теоретично обґрунтована можливість застосування апарату логічних форм ... more У дослідженні вивчається і теоретично обґрунтована можливість застосування апарату логічних форм вибору, що використовується у теорії прийняття рішень, для бінарного подання атрибутів зображень задля скорочення розмірності простору та уніфікації образів. Для цього задіяна методика логічного проектування атрибутів зображення на множину логічних функцій фіксованого виду. Уніфікація вектору атрибутів сприяє стисненню даних. Розвинутий підхід демонструє зв'язок між теоріями прийняття рішень та розпізнавання образів. Наведені конкретні практичні приклади застосування логічних функцій вибору підтверджують працездатність сумісного впровадження цих теорій. Ключові слова: логічні форми, функції вибору, розпізнавання образів, образ. В. А. ГОРОХОВАТСКИЙ, А. П. ТАРАСЕНКО, С. Н. ТРОХИМЧУК ПРИМЕНЕНИЕ ЛОГИЧЕСКИХ ФОРМ ФУНКЦИЙ ВЫБОРА В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБРАЗОВ В исследовании изучена и теоретически обоснована возможность применения аппарата логических форм выбора, которые используются в теории принятия решений, для бинарного представления атрибутов изображений с целью уменьшения размерностей и унификации образов. Для этого была задействована методика логического проецирования атрибутов изображения на множество логических функций специального вида. Это представляет собой новый подход при унификации конечного вектора атрибутов, что ведет к значительному уменьшению размера вектора атрибутов. Данный подход показывает связь между теорией принятия решений и теорией распознавания образов. Приведенные конкретные практические примеры применения логических функций выбора подтверждают дееспособность совместного внедрения этих теорий. Ключевые слова: логические формы, функции выбора, распознавания образов, образ.
Advanced Information Systems, 2020
Статистичне оброблення та аналіз даних у структурних методах класифікації зображень
International Journal of Engineering Trends and Technology, 2021
The results of the development of high-speed methods for classifying images in computer vision sy... more The results of the development of high-speed methods for classifying images in computer vision systems using the description as a set of keypoints descriptors are presented. Classification methods based on the system of cluster centers parameters, which are independently constructed for the etalon descriptors set, are researched. The competitive voting of the descriptors of the object being recognized on a set of etalon centers is proposed. An optimal way of comparing the sets of cluster centers for an object and etalons is applied. Experimental estimation of the efficiency for the two presented classification methods in terms of computation time and classification accuracy based on the results of applied dataset processing are shown. Based on the research, a conclusion about the effectiveness of classification technologies using cluster centers for structural descriptions of images to ensure decision-making in real-time is made.
Uploads
Books by Володимир Гороховатський
Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтелектуальних систем розпізнавання зображень на основі використання структурних методів. Основна увага приділяється впровадженню апарату статистичного аналізу даних, що є фундаментальною основою функціонування сучасних систем розпізнавання. Запропоновано новітні методи класифікації зображень на підгрунті опису у вигляді множини дескрипторів ключових точок, проведено їх статистичне обгрунтування. Впроваджено ефективні підходи просторового аналізу даних описів із використанням фрагментного оброблення. Розроблено ряд нових перспективних просторів даних для систем розпізнавання, де досягається суттєве поліпшення показників швидкодії та достовірності, вивчені статистичні підходи до оптимізації параметрів запропонованих методів. Детально описано результати експериментальних досліджень і застосування розроблених методів при вирішенні задач класифікації для прикладних баз зображень.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
Papers by Володимир Гороховатський
Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтелектуальних систем розпізнавання зображень на основі використання структурних методів. Основна увага приділяється впровадженню апарату статистичного аналізу даних, що є фундаментальною основою функціонування сучасних систем розпізнавання. Запропоновано новітні методи класифікації зображень на підгрунті опису у вигляді множини дескрипторів ключових точок, проведено їх статистичне обгрунтування. Впроваджено ефективні підходи просторового аналізу даних описів із використанням фрагментного оброблення. Розроблено ряд нових перспективних просторів даних для систем розпізнавання, де досягається суттєве поліпшення показників швидкодії та достовірності, вивчені статистичні підходи до оптимізації параметрів запропонованих методів. Детально описано результати експериментальних досліджень і застосування розроблених методів при вирішенні задач класифікації для прикладних баз зображень.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.