Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: object recognition method

Sortuj według:

Ogranicz wyniki do:

Application of cellular neural networks and deformable models to object recognition

Korbiel P.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

2007

z. 111

65-72

The following paper presents an idea of deformable grid object-recognition paradigm implementation within a framework of Cellular Neural Network Universal Machine (CNN-UM). A method for parallel representation of deformable grid, as well as a method for parallel modelling of grid matching process has been proposed. The proposed object recognition method has been verified by means of computer simulations and experimentally by using actual hardware CNN-UM implementations. The main advantage of the method is a fast realisation of the recognition task.

Podstawowym celem pracy było wykazanie możliwości efektywnej implementacji metody rozpoznawania obrazów, bazującej na wykorzystaniu siatek deformowalnych, w strukturze równoległego, macierzowego procesora obrazu, jaki stanowi uniwersalna sieć neuronowa komórkowa (USNK). W wyniku przeprowadzonych badań opracowano sposób reprezentacji deformowalnej siatki dostosowany do architektury procesorów USNK. Opracowana została metoda równoległego modelowania mechanizmów decydujących o przemieszczaniu węzłów siatki deformowalnej w procesie analizy obrazu. Opracowany w wyniku badań algorytm rozpoznawania został pomyślnie zweryfikowany w drodze symulacji komputerowych. Zweryfikowana została także możliwość realizacji opracowanego algorytmu przy użyciu współczesnych platform sprzętowych zbudowanych w oparciu o strukturę uniwersalnej sieci neuronowej komórkowej. Sformułowana w wyniku przeprowadzonych badań metoda pozwala na istotne poszerzenie możliwości funkcjonalnych współczesnych układów inteligentnych sensorów informacji wizyjnej, pozwalając na realizację złożonej analizy obrazu już na poziomie przetwarzania wstępnego. W konsekwencji, zaproponowane rozwiązanie pozwala na znaczące zwiększenie efektywności pracy szerokiej klasy systemów automatycznego monitorowania i nadzoru, korzystających z rozproszonych źródeł informacji wizyjnej.