Гороховатський, В. О.Пономаренко, Р. П.2020-06-092020-06-092020Гороховатський В. О. Класифікація зображень на підставі формування незалежної системи кластерів у складі структурних описів бази еталонів / В. О. Гороховатський, Р. П. Пономаренко // Сучасні інформаційні системи, т. 4, №2, С. 17–23http://openarchive.nure.ua/handle/document/12117Предметом досліджень статті є структурні методикласифікації зображень у просторіобразів як множини дескрипторів ключових точок задля розпізнаваннявізуальних об’єктів у системах комп’ютерного зору. Метоює створення ефективного методу класифікації на підставі провадженнясистеминезалежних кластерів для бази еталонів.Завдання: розроблення моделей класифікації у новоствореному просторі образів, аналіз їх обчис-лювальної ефективності, оцінювання результативності класифікації засобами програмного моделювання. Методи: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод k-середніх для кластеризації даних,програмне моделювання.Отримані результати: запропоновано моделі класифікації опи-сів на основі системи самостійних кластерів та їх центрів, які спрощують оброблення даних та підвищу ють швид-кодію реалізації, проведено порівняльний аналіз розроблених методівіз відомими . Здійснена програмна реалізація впроваджених моделей класифікації, експериментально проведено дослідження їх ефективності та оцінювання ча-су оброблення. Висновки. Наукова новизна –розвинення методу класифікації зображень на основі впровадження системи незалежних кластерів для еталонних описів, що сприяє поглибленому аналізу даних.Метод реалізовано в модифікаціях зіставлення кластерногоподанняі на основі конкурентного аналізу дескрипторів опису. Практична значимість роботи полягає у побудові моделей класифікації у створеному просторі даних, підтвердженні працезда-тності запропонованих модифікацій оброблення даних, розробленні програмних моделей для впровадження мето-дів усистемах комп’ютерного зору. The subjectof this article is the structural methods for imageclassificationin the space of images as a set of descriptors of key points for recognizing visual objects in computer vision systems. The goalis the creation of an effective clas-sification method based on the embedding of a system of independent clusters for the etalon dataset. Task: the development of classification models in the newly created space of images, analysis of their computational efficiency, the evaluation of classifi-cation efficiency with software modeling. The methodsare: BRISK detector for generating key point descriptors, data mining, k-means method for data clustering, software modeling. The following resultswere obtained: models for classifying object descriptions based on a system of independent clusters and their centers are proposed that simplify data processing and increase implementation speed, a comparative analysis of the developed methods with known methods was performed. The software implementation of the embedded classification models has been performed, an experiment to explore their effectiveness and evaluate the processing time has been conducted. Conclusions. The contribution of the research is the development of an image classification method based on the implementation of a system of independent clusters for reference descriptions, which contrib-utes to an in-depth data analysis. The method has been implemented in modifications of cluster representation matching and based on competitive analysis ofdescriptors. The practical importance of the work is the constructing of the classification models in the created data space, confirming the efficiency of the proposed modifications to data processing, developing software models for implementing methods in computer vision systems.ukкомп'ютерний зірдескриптор ключових точокcomputer visionstructural image recogniArticle