INVESTIGATION OF THE EFFECTIVENESS OF DATA FEATURES DISTRIBUTION FOR IMAGE RELEVANCE ESTIMATION
ID елемента: 20859
2026/04/30
Цитування
eNUPPIR (). INVESTIGATION OF THE EFFECTIVENESS OF DATA FEATURES DISTRIBUTION FOR IMAGE RELEVANCE ESTIMATION. https://enuppir.politeh.duckdns.org/item/20859
eNUPPIR. "INVESTIGATION OF THE EFFECTIVENESS OF DATA FEATURES DISTRIBUTION FOR IMAGE RELEVANCE ESTIMATION." Web. . <https://enuppir.politeh.duckdns.org/item/20859>.
eNUPPIR. "INVESTIGATION OF THE EFFECTIVENESS OF DATA FEATURES DISTRIBUTION FOR IMAGE RELEVANCE ESTIMATION." Accessed . https://enuppir.politeh.duckdns.org/item/20859.
Скопійовано в буфер обміну
Властивості
Назва
Англійська
INVESTIGATION OF THE EFFECTIVENESS OF DATA FEATURES DISTRIBUTION FOR IMAGE RELEVANCE ESTIMATION
Українська
ДОСЛІДЖЕННЯ РЕЗУЛЬТАТИВНОСТІ ЗАСТОСУВАННЯ ОЗНАК РОЗПОДІЛІВ ДАНИХ ДЛЯ ОБЧИСЛЕННЯ РЕЛЕВАНТНОСТІ ОПИСІВ ЗОБРАЖЕНЬ
Опис
Англійська
The subjects of the paper are the models of data attributes distribution of key point descriptors for recognition and classification of visual objects in computer vision systems. The goal is the investigation of the modification of an image structural classification method based on the matching fragment distributions of image descriptor set. The tasks include the development of mathematical and software models of efficient relevance estimation based on the data distribution, investigation of the properties of these models, evaluation of the effectiveness of image classification. Methods below are used: an ORB detector to form the key point descriptors, data mining, methods for construction of the bitwise data distribution, a method of metric relevance estimation, software modeling. The following results were obtained. The transition from the sets of descriptors to distributions of fragments, the construction and matching of distributions provide the decent classification performance. Classification is performed several times faster compared to the usage of descriptor sets directly. Conclusion. The contribution of the paper is the improvement of the structural image classification method with the description of a block structure using distribution values for fragments of the set of key point descriptors. The practical significance of the paper is the increase of image relevance calculation speed, verification of the effectiveness of the proposed attribute space with image examples, obtaining of an application software models for research and implementation of classification methods in computer vision systems
Українська
Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору
Автор
Українська
Gorokhovatskyi, V.
Українська
Zaporozhchenko, A.
Українська
Siryk, Т.
Українська
Tarasenko, O.
Тематика
Англійська
computer vision
Англійська
structural image classification methods
Англійська
key point
Англійська
ORB detector
Англійська
descriptor
Англійська
fragment data distribution
Англійська
descriptive relevance
Англійська
Manhattan metric
Англійська
speed of relevance estimation
Українська
комп’ютерний зір
Українська
структурні методи класифікації зображень
Українська
ключова точка
Українська
детектор ORB
Українська
дескриптор
Українська
розподіл даних фрагменту
Українська
релевантність описів
Українська
манхеттенська метрика
Українська
швидкодія класифікації
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/1785
10.26906/SUNZ.2020.1.068
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 1 No. 59 (2020): Control, Navigation and Communication Systems; 68-73
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 1 № 59 (2020): Системи управління, навігації та зв’язку; 68-73
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 1 № 59 (2020): Системи управління, навігації та зв’язку; 68-73
2073-7394
10.26906/SUNZ.2020.1
Мова
uk
Відношення
https://journals.nupp.edu.ua/sunz/article/view/1785/1468
Права
Українська
Авторське право (c) 2020 V. Gorokhovatskyi, A. Zaporozhchenko, Т. Siryk, O. Tarasenko
Інформація про метадані
Створено
2026-4-30 16:43
Остання зміна
2026-4-30 16:43
ID елемента
#20859