Построение эффективных численных методов для задач обнаружения пешеходов по цифровому изображению

Август 20, 2022

Главная
Информатика
Построение эффективных численных методов для задач обнаружения пешеходов по цифровому изображению

Содержание

2. Постановка задачи Реализовать и сравнить различные методы оптимизации для задачи обнаружения пешеходов по цифровому изображению. Построить
3. Задача обнаружения пешеходов Эта задача заключается в определении присутствия пешехода на входном изображении и нахождении его
4. Используемая методология Выбор функции вычисления векторов характеристик. Формирование обучающей выборки. Обучение классификатора (решение оптимизационной задачи, которая
5. Пусть u∈U — классифицируемый объект из множества цифровых изображений размера 128x64 пикселей, тогда x = (x1,…,xn)
6. Модель классификации
7. Модель классификации
8. SSM
9. Эксперименты В ходе экспериментов использованный метод SSM сравнивался с проективным и методом условного градиента. Оценка эффективности
10. Эксперименты Зависимость изменения ошибки от номера итерации для различных методов (проективный, условного градиента, SSM).
11. Эксперименты Так же была оценена точность обученного классификатора по мере F-score и была равной 91%. F-score
12. Итоги Реализованы основные компоненты метода обнаружения пешеходов на цифровых изображениях. Построен численный метод обучения алгоритма классификации
14. Скачать презентацию

Слайд 2

Постановка задачи
Реализовать и сравнить различные методы оптимизации для задачи обнаружения пешеходов

по цифровому изображению.
Построить эффективный численный метод для обучения классификатора цифровых изображений с высокой размерностью векторов признаков.

Слайд 3

Задача обнаружения пешеходов
Эта задача заключается в определении присутствия пешехода на входном

изображении и нахождении его местоположения.
Имеется база изображений, для каждой из которых поставлены в соответствие координаты пешеходов.

Слайд 4

Используемая методология
Выбор функции вычисления векторов характеристик.
Формирование обучающей выборки.
Обучение классификатора (решение

оптимизационной задачи, которая является предметом исследования).
Выделение участков изображения с помощью техники скользящего окна.
Обнаружение пешеходов в каждом из выделенных участков с помощью обученного классификатора.

Слайд 5

Пусть u∈U — классифицируемый объект из множества цифровых изображений размера 128x64

пикселей, тогда x = (x1,…,xn) = μ(u) — n-мерный вектор характеристик этого объекта.
В качестве функции μ был выбран дескриптор HOG.
Размерность векторов характеристик составила n=???.

Вектора характеристик

Слайд 6

Модель классификации

Слайд 7

Модель классификации

Слайд 8

SSM

Слайд 9

Эксперименты
В ходе экспериментов использованный метод SSM сравнивался с проективным и методом

условного градиента.
Оценка эффективности велась по количеству итераций до завершения алгоритма и количеству вычислений производной.

Слайд 10

Эксперименты
Зависимость изменения ошибки от номера итерации для различных методов (проективный, условного

градиента, SSM).

Слайд 11

Эксперименты
Так же была оценена точность обученного классификатора по мере F-score и

была равной 91%.

F-score =

Слайд 12

Итоги
Реализованы основные компоненты метода обнаружения пешеходов на цифровых изображениях.
Построен численный

метод обучения алгоритма классификации изображений.
Проведены эксперименты по оценке эффективности построенного метода и его сравнению с используемыми ранее методами.

Построение эффективных численных методов для задач обнаружения пешеходов по цифровому изображению

Содержание

Постановка задачиРеализовать и сравнить различные методы оптимизации для задачи обнаружения пешеходов

Задача обнаружения пешеходовЭта задача заключается в определении присутствия пешехода на входном

Используемая методологияВыбор функции вычисления векторов характеристик.Формирование обучающей выборки. Обучение классификатора (решение

Пусть u∈U — классифицируемый объект из множества цифровых изображений размера 128x64

Модель классификации

Модель классификации

SSM

ЭкспериментыВ ходе экспериментов использованный метод SSM сравнивался с проективным и методом

ЭкспериментыЗависимость изменения ошибки от номера итерации для различных методов (проективный, условного

ЭкспериментыТак же была оценена точность обученного классификатора по мере F-score и

ИтогиРеализованы основные компоненты метода обнаружения пешеходов на цифровых изображениях. Построен численный

Похожие презентации

Постановка задачи
Реализовать и сравнить различные методы оптимизации для задачи обнаружения пешеходов

Задача обнаружения пешеходов
Эта задача заключается в определении присутствия пешехода на входном

Используемая методология
Выбор функции вычисления векторов характеристик.
Формирование обучающей выборки.
Обучение классификатора (решение

Эксперименты
В ходе экспериментов использованный метод SSM сравнивался с проективным и методом

Эксперименты
Зависимость изменения ошибки от номера итерации для различных методов (проективный, условного

Эксперименты
Так же была оценена точность обученного классификатора по мере F-score и

Итоги
Реализованы основные компоненты метода обнаружения пешеходов на цифровых изображениях.
Построен численный