Wyniki wyszukiwania - Biblioteka Nauki

1

Wyznaczanie charakterystycznych obszarów twarzy na obrazach termowizyjnych

100%

Marzec M. , Koprowski R. , Wróbel Z.

Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna

|

2009

|

tom Vol. 15, nr 2

149-152

PL

W artykule zaprezentowano algorytm umożliwiający automatyczną detekcję charakterystycznych cech twarzy w obrazach termowizyjnych w projekcji przedniej. Algorytm nie jest wrażliwy na zmiany położenia głowy z powodu obrotu ani ruchów w osi X-Y. Po wyznaczeniu charakterystycznych obszarów przeprowadzano automatyczny pomiar wartości średniej, minimalnej i maksymalnej temperatury. Zaprezentowano przykładowe zastosowanie algorytmu do detekcji bólów głowy.

EN

The algorithm enabling the automatic detection of characteristic features of the face on thermograms captured in the anterior projection, was presented. The algorithm is not sensitive to the head X-Y position, as well as rotation. After determining the characteristic regions, the automatic measurement of mean, minimal and maximal temperature was carried out. The presented algorithm was used for the headaches detection.

2

Concept of multistage recognition algorithm with fuzzy factors

84%

Burduk R.

Image Processing & Communications

|

2003

|

tom Vol. 9, no 3-4

5-10

EN

The work deals with a recognition problem using a probabilistic-fuzzy model and multistage decision logic. A case has been considered where a value of object features is described using fuzzy numbers. The globally optimal Bayes strategy has been calculated for this case with a stage-dependent and dependent on the node of the decision tree fuzzy loss function. The obtained result is illustrated with a calculation example.

3

Application of cellular neural networks and deformable models to object recognition

67%

Korbiel P.

|

tom z. 111

65-72

EN

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.

PL

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.

4

Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network

59%

Kvyetnyy R. N. , Ivanov Y. Y. , Pivoshenko V. V. , Kulyk Y. A. , Knysh B. P. , Smolarz A. , Muslimov K. , Turgynbekov Y.

|

2019

|

tom R. 95, nr 4

162--166

EN

This article describes the architecture of the Hamming-Lippmann neural network and the math of the modified learning-recognition algorithm and presents some practical aspects for using it for solving an image recognition task. We have created software using C# programming language, that utilized this network as an additional error-correcting procedure, and have solved the task of recognition highly corrupted QR codes (with a connection to the database). Experimental results, of finding the optimal parameters for this algorithm, are presented. This neural network doesn’t require time-consuming computational procedures and large amounts of memory, even for high-resolution and big size images.

PL

W tym artykule opisano architekturę sieci neuronowej Hamminga-Lippmanna oraz matematykę zmodyfikowanego algorytmu rozpoznawania uczenia się, a także przedstawiono kilka praktycznych aspektów korzystania z niej w celu rozwiązania zadania rozpoznawania obrazu. Stworzyliśmy oprogramowanie wykorzystujące język programowania C #, który wykorzystał tę sieć jako dodatkową procedurę korekty błędów i rozwiązaliśmy zadanie rozpoznawania wysoce uszkodzonych kodów QR (w połączeniu z bazą danych). Przedstawiono wyniki eksperymentalne poszukiwania optymalnych parametrów dla tego algorytmu. Opisywana neuronowa nie wymaga czasochłonnych procedur obliczeniowych i dużej ilości pamięci, nawet w przypadku obrazów o wysokiej rozdzielczości i dużych rozmiarach.