Введение
ГЛАВА 1. Аналитический обзор современных методов распознавания изображений 9
1.1 Обучение с учителем. Искусственные нейронные сети. Метод опорных векторов 9
1.2 Компактные целостные представления. Снижение размерности. Метод главных компонент 15
1.3 Обнаружение локальных признаков. Сверточные нейронные сети... 23
1.4 Использование пространственных отношений при распознавании. Констелляционные модели 30
1.5 Методы оценки эффективности распознавания 36
1.6 Выводы по первой главе 39
ГЛАВА 2. Модель репрезентации изображения объекта 41
2.1 Понятие эквивариантного детектора как элементарной единицы модели 41
2.2 Высокоуровневые детекторы и взаимодействие между уровнями модели 49
2.3 Выводы по второй главе 57
ГЛАВА 3. Метод обучения системы распознавания изображений в потоке данных 59
3.1 Использования потока визуальных данных для обучения 59
3.2 Алгоритм выделения локальных признаков 62
3.3 Алгоритм оптического трекинга 68
3.4 Параллельное обучение нескольких иерархий признаков 77
3.5 Выводы по третьей главе 81
ГЛАВА 4. Алгоритм распознавания изображений
4.1 Распознавание изображения путем последовательной активации детекторов 82
4.2 Использование решающей обратной связи при распознавании 86
4.3 Выводы по четвертой главе 92
ГЛАВА 5. Результаты исследования и экспериментальные данные 93
5.1 Планирование эксперимента 93
5.2 Оценка эффективности отдельного эквивариантного дететкора 95
5.3 Оценка эффективности распознавания изображений 103
5.5 Локализация объектов в композитных сценах 108
5.5 Выводы по четвертой главе 109
Заключение
Список литературы 112
Список рисунков
