Исследование и применение методов распознавания образов для классификации 2

1. Исследование и применение методов распознавания образов для классификации изображений.

Выполнил студент группы

2. Актуальность и цель

Распознавание образов —
ключевая задача компьютерного
зрения.
Применение: медицина,
беспилотный транспорт,
безопасность.
Цель: исследование методов и
разработка прототипа
классификатора.

3. Задачи работы

Экспериментал
ьная оценка.
Обзор методов
(k-NN, Naive
Bayes, PCA,
HOG, CNN).
Реализация
на основе
CNN.
Выбор
подходов для
сравнения.
Проектирова
ние
прототипа.

4. Классические подходы к классификации изображений

Тип метода
Конкретные
методы
Назначение
Методы
классификации
k-NN, Naive
Bayes, SVM
Принимают решение
на основе
признаков
HOG, SIFT, SURF
Извлекают
числовые
характеристики
изображения
PCA, LDA
Сжимают данные,
удаляют шум перед
классификацией
Методы выделения
признаков
Методы снижения
размерности

5. Сверточные нейронные сети

• Автоматическое извлечение
признаков.
• Иерархия: границы → части →
объекты.
• Ключевые слои: свертка,
пулинг, полносвязный.
• Преимущество: не требуется
ручное проектирование
признаков.

6. Таблица ключевых слоёв свёрточной нейронной сети

Назначение
Формула / Операция
Свёрточный
(Convolutional)
Извлечение локальных
признаков (края,
текстуры, углы)
ReLU (Активация)
Введение нелинейности,
обнуление отрицательных
значений
Max Pooling
(Подвыборка)
Уменьшение размерности,
инвариантность к малым
сдвигам
Ключевые параметры