Моделювання нейромережі Хемінга для класифікації зображень

Abstract

Об’єктом роботи є процес розпізнавання зображень на підставі ознак у формі множини дескрипторів ключових точок. Метою роботи є створення методу класифікації зображень, що поєднує дескриптори BRISK та мережу Гемінга з метою забезпечення високої точності при низьких обчислювальних витратах. Для кожного еталону формується узагальнений вектор ознак шляхом побітового аналізу множини дескрипторів. Для класифікації реалізовано мережу Гемінга, що забезпечує вибір найбільш схожого прототипу на основі відстані Гемінга. Проведено тестування на прикладі задачі розпізнавання порід собак із застосуванням геометричних трансформацій зображень. Розроблений метод забезпечує високу швидкодію та помірну стійкість до геометричних перетворень, що підтверджено результатами експериментів.