Введение
ГЛАВА 1. Проблемы анализа изображений в задачах компьютерного зрения 9
1.1. Природа сложности компьютерного зрения 9
1.2. Специфика задач классификации изображений 14
1.3. Проблемы использования дескрипторов локальных особенностей 18
1.4. Специфика задач извлечения информации о геометрии 20
1.5. Выводы 25
ГЛАВА 2. Методы и алгоритмы автоматического построения обучающей выборки 26
2.1. Основные понятия и определения 26
2.2. Выделение понятий и формирование обучающей выборки 27
2.3. Выбор метода работы классификатора
2.3.1. Анализ методов, основанных на подходе Bag-of-Words 30
2.3.2. Анализ методов, основанных на подходе NBNN 31
2.3.3. Результаты выбора подхода к классификации
2.4. Извлечение визуальных особенностей и формирование словаря 33
2.5. Классификация на основе модели Bag-of-Words
2.5.1. Анализ классификации на основе наивного байесовского классификатора 36
2.5.2. Анализ классификации на основе метода опорных векторов 37
2.5.3. Выбор классификатора
2.6. Оценка качества автоматически сгенерированной обучающей выборки 38
2.7. Фильтрация выдачи поисковой системы 40
2.8. Выводы 44
ГЛАВА 3. Методы семантической коррекции в задачах классификации сложных изображений 46
3.1. Семантическое представление понятий 47
3.2. Связь между визуальной и семантической близостью классов 53
3.3. Схема работы метода 58
3.4. Верификация на основе семантических связей 60
3.5. Коррекция результатов классификации
3.5.1. Результат работы классификатора с учетом семантического графа 63
3.5.2. Объединение пересекающихся понятий в кластеры 65
3.5.3. Результаты 67
3.6. Выводы 70
ГЛАВА 4. Методы сопоставления изображений в задачах извлечения информации о геометрии 72
4.1. Схема работы метода 72
4.2. Сегментирование изображений 74
4.3. Попарное сравнение сегментов 76
4.4. Построение модели преобразования 81
4.5. Верификация соответствия сегментов 84
4.6. Выводы 89
Основные заключения и выводы 91
Список литературы 93
