Понижение размерности входных графических данных для задач распознавания

Abstract

Запропоновано алгоритм зниження розмірності графічних зображень на основі методу головних компонент. Розроблено програму перекладу графічних файлів у стиснутий формат з мінімальною втратою кількості інформації. Отримані файли використані під час навчання багатошарової нейронної мережі зворотного поширення з метою економії оперативної пам’яті і зменшення часу навчання. На прикладі ORL-бази зображень осіб підтверджена ефективність використання стиснутих файлів при використанні метричних способів розпізнавання. При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/4472

Предложен алгоритм понижения размерности графических изображений на основе метода главных компонент. Разработана программа перевода графических файлов в сжатый формат с минимальной потерей количества информации. Полученные файлы использованы при обучении многослойной нейронной сети обратного распространения с целью экономии оперативной памяти и уменьшения времени обучения. На примере ORL-базы изображений лиц подтверждена эффективность использования сжатых файлов при использовании метрических способов распознавания. При цитировании документа, используйте ссылку http://essuir.sumdu.edu.ua/handle/123456789/4472

There is offered algorithm of reduction the dimensionality for the graphic images on base of principal component analysis. Program of translation the graphic files to compressed format with minimal information loss is designed. The received files are used in learning the multilayer backpropagation neural network to reduce operative memory and running time. On example ORL database of faces is confirmed efficiency of the use the compressed files in metric recognition methods. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/4472