Логический анализ и распознавание сцен

ЛОГИЧЕСКИЙ АНАЛИЗ И РАСПОЗНАВАНИЕ СЦЕН [c.255]

Принципиально иной подход к распознаванию сцен по их изображениям базируется на предварительном (в процессе обучения РТК) формировании понятий в виде аксиом классов с последующим выделением тех или иных объектов сцены посредством логического анализа и распознавания. Этот подход воплощен в рассматриваемом ниже адаптивном методе логического распознавания сцен [9, 108, 123]. Предлагаемый метод свободен от отме- [c.255]

Общая схема описанной адаптивной системы логического распознавания рабочих сцен представлена на рис. 7,1.. Здесь штриховыми стрелками обозначены каналы передачи информации в режиме обучения РТК, а сплошными — каналы передачи информации в режиме распознавания, т. е,, в процессе идентификации, классификации или анализа сцены. [c.258]

Таким образом, описанные средства логического распознавания позволяют РТК осуществлять автоматический анализ сложных рабочих сцен по их контурным изображениям. Они применимы также и в тех случаях, когда изображения объектов и сцен заданы в виде матрицы яркости. При этом достаточно в качестве исходных предикатов—признаков взять трехместные предикаты, первыми аргументами которых являются соответствующие номера столбца и строки матрицы яркости, а третьим — градация яркости данного элемента изображения. Использование и программная реализация на управляющей ЭВМ алгоритмов логического распознавания позволяют существенно расширить функциональные (интеллектуальные) возможности адаптивных РТК. Острая практическая потребность в таких РТК с элементами искусственного интеллекта возникает сегодня во многих ГАП. [c.262]

Продемонстрируем особенности логического метода распознавания на примере решения задачи автоматического анализа сцен по их контурным изображениям. Изображение й будем задавать матрицей координат вершин на плоскости изображения и матрицей связности, элементы которой определяются следующим образом rriij = 1, если из г-й вершины выходит ребро, оканчивающееся в /-Й вершине, и =0 — в противном случае. Таким образом, если на изображении сцены имеется N вершин, то она задается Ф 2N числами. [c.259]

На следующем уровне иерархии осуществляется распознавание сигналов и объектов, а также формирование модели внеишей среды. Алгоритмы этого уровня осуществляют обучение робота ппна гмам раснознавания и анализа ситуаций в соответствии с указаниями более" высокого уровня. При этом также в значительной степени используется информация, получаемая от системы очувствления. Формируемые роботом сведения обычно реализуются в виде семантических сетей — фреймов, распознающих графов и адаптивных решающих правил. Процесс распознавания сигналов и анализ сцен часто сводится к поиску логического вывода. По мере обучения новым" понятиям в памяти робота строится и уточняется модель внешней среды. Эта информационная модель используется далее для ""проведения мысленных экспериментов по выбору того или иного плана поведения робота еще до совершения им реальных действий. [c.247]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...