БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

НАУЧНО-ПРАКТИЧЕСКИЕ КОНФЕРЕНЦИИ

<< ГЛАВНАЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

загрузка...

Pages:     | 1 |   ...   | 9 | 10 || 12 | 13 |   ...   | 28 |

«ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И СИСТЕМЫ Труды Третьей международной научной конференции Банное, Россия, 26 февраля — 2 марта 2014 года Научное электронное издание Челябинск ...»

-- [ Страница 11 ] --

Такая система распознавания может обучаться на К этим речевым сигналам был искусственно добавречевых сигналах своего диктора. Речевые сигна- лен аддитивный белый гауссовский шум [6] с отнолы чужих дикторов преобразуются в сигналы своего диктора и классифицируются. Эксперименты по В экспериментах распознанный класс каждого устранению влияния дикторов описаны ниже. зашумленного речевого сигнала для каждой модели В другом случае для исследования влияния шума (c 0) сравнивался с его истинным классом для опресистема распознавания речевых команд обучается деления частоты правильного распознавания.

с помощью моделей с усилением незашумленных Такие эксперименты были проведены с разныречевых сигналов для того, чтобы эксплуатироваться на моделях с усилением зашумленных речевых Результат распознавания для схемы с усилением был сигналов. Заметим, что в этом случае не происходит получен при длине фрагментов речевого сигнала преобразования спектров сигналов чужого диктора к спектрам сигналов своего диктора. Таким образом, изучается только влияние шума на качество распоз- Эксперименты показывают, что если тестирующие навания сигнала диктора, независимо от того, свой сигналы сильно зашумлены (Rsn 45 дБ), то при доэто диктор или чужой. Эксперименты по уменьше- бавлении константы (c = 2) качество распознавания нию влияния шума также описаны ниже. резко улучшается (например, повышение частоты Эксперименты. Было проведено сто эксперимен- правильного распознавания на 65 % при Rsn = 3 дБ).

тов по устранению влияния дикторов на речевых сиг- Если тестирующие сигналы меньше зашумлены, то налах из базы данных TIDigits 1.0 [4]. Сначала был добавление константы все меньше и меньше влияет рассмотрен один женский голос как голос своего дик- на качество распознавания, а при некотором уровне тора, на речевых сигналах которого построена система распознавания речи с решающим правилом классифи- навания ухудшается, хотя и несущественно ( 1 %).

кации 11 речевых команд. Потом один чужой диктор произносил 11 речевых команд по 2 раза. Полученные речевые сигналы этого чужого диктора были классифицированы, используя построенную систему распознавания речевых команд без преобразования их спектров ( = 1). Далее эти сигналы были преобразованы в сигналы своего диктора и классифицированы.

Распознанные классы сигналов сравнивались с их истинными классами, и была определена частота правильного распознавания v = (Z – Ze)/Z, где Z — общее число произнесенных речевых команд, Ze — число ошибочно распознанных.

Такие эксперименты были проведены с разными чужими дикторами. Группа из 24 дикторов (12 мужчин, 12 женщин) играет роль чужого диктора.

Остальные 24 эксперимента были проведены как первые 24 эксперимента за исключением того, что роль своего диктора играл один мужской голос.

ПОИСК УСТОЙЧИВЫХ ПРИЗНАКОВ ИЗОБРАЖЕНИЙ.

АЛГОРИТМ SPEED UP ROBUST FEATURE

Рассматривается проблема поиска особых точек на изображении, а также методы ее решения, в частности алгоритм SURF. Рассмотрены проблемы, возникающие при дескрипторном анализе изображений в целом и в выбранном алгоритме. Рассмотрены сильные стороны данного алгоритма и возможные пути его оптимизации.

Алгоритм разделен на смысловые модули для дальнейшего применения в других работах.

Введение. Механизмы человеческого зрения без экстремума в точках максимального изменения гратруда способны решить задачу распознавания объ- диента яркости [3]. Сам по себе гессиан не обладает ектов. Система компьютерного зрения по составным инвариантностью относительно масштабов, но облачастям мало чем отличается от человека, однако дан- дает робастностью к вращению. Поэтому для метода ная задача для современных компьютеров уже не яв- SURF используются разномасштабные фильтры для ляется такой же тривиальной, как для человеческого нахождения сверток с определителем матрицы Гессе.

мозга. Этому препятствует ряд факторов. Данный метод вычисляет градиент яркости и масштаб, 1. Масштаб. Предметы, воспринимаемые нами как взятый из масштабного коэффициента матрицы Гессе одинаковые, на изображениях могут занимать раз- [4]. Градиент в точке считается с помощью фильтров 2. Место. При различных углах зрения объекты ющий собой набор из 64 либо 128 чисел для каждой могут располагаться в разных частях изображения. ключевой точки [5]. Физическая интерпретация данФон и помехи. С точки зрения компьютера объ- ных чисел заключается в флуктуации градиента, данект и фон ничем не отличаются. К тому же могут ный вопрос рассмотрим ниже. Поскольку ключевая появляться шумы и помехи различного рода. Также точка представляет собой максимум гессиана, то это к помехам можно отнести угол обзора и поворот. гарантирует, что в окрестности точки должны быть Итак, задача сводится к следующему: даны два изо- участки с разными градиентами. Этим обеспечивабражени — образец и сцена. Необходимо определить ется дисперсия дескрипторов для разных ключевых факт наличия образца на сцене и локализовать этот объ- точек. Флуктуации градиента окрестностей ключевой ект. При этом необходимо учесть описанные ранее про- точки считаются относительно направления градиента блемы и то, что объект может отсутствовать на сцене. вокруг точки в целом по всей окрестности ключевой Решения. Существует множество различных под- точки, благодаря чему достигается инвариантность деходов к решению данной задачи [1]. Самый простой: скриптора относительно вращения. Масштаб матрицы взять образец в разных масштабах и всевозможных Гессе определяет размер области, на которой считается углах. Перебрать все места на сцене и попиксельно дескриптор, это обеспечивает инвариантность относисравнивать. Очевидно, что данный подход трудое- тельно масштабирования. Флуктуации градиента такмок. К тому же он решает не все проблемы, в частно- же считаются с помощью фильтра Хаара.

сти проблему шумов и лишь частичного присутствия объекта. Поэтому для данной задачи рассматривают- других задачах обработки изображений, для ускореся ключевые точки и небольшие участки вокруг них. ния вычислений используется интегральное предКлючевой назовем точку, существенно отличающу- ставление изображений [6]. Данное преобразование юся от основной массы точек по некоторому призна- считается по формуле чевых точек на образце, то можно искать только их.

В общем случае метод выбора ключевых точек не имеет значения, требуется только отличие от основной массы. Помимо точек рассматриваются также и малые окрестности. Причина этого в том, что чем меньше участок, тем меньше влияние крупномасштабных искажений. Примером таких искажений может являться частичное перекрытие одного объекта другим.

Одним из алгоритмов [2], использующих данный подход, является SURF: Speed Up Robust Feature.

SURF. Алгоритм решает сразу две задачи: обнаружение особых точек изображения и описание их с цу Гессе, детерминант которой (гессиан) достигает А. Р. Нургатин Поиск устойчивых признаков изображений. Алгоритм speed up robust feature Теоретически, вычисление матрицы Гессе сводит- соседей масштабом меньше и масштабом больше.

ся к нахождению Лапласиана Гауссиан [1]. В дис- Поэтому, исходя из минимизации вычислений и маккретном случае вычисляется свертка пикселов изо- симизации покрываемых масштабов, каждая октава бражения на фильтры, изображенные на рис. 1. имеет по 4 фильтра и перекрывает следующую.

Рис. 1. Дискретизированные фильтры для нахождения четырех элементов матрицы Гессе Однако SURF не использует лапласиан гауссианы в данном виде, т. к. дискретизированный фильтр имеет большой разброс значения детерминанта при вращении образца [4]. Также фильтр для лапласиана Перекрытие октавами масштабов друг друга исгауссианы имеет непрерывный характер, что ослож- пользуется с целью увеличения надежности нахоняет применение интегрального представления изо- ждения локального максимума.

бражения. Исходя из этого, применяется троичная С целью оптимизации вычислений можно вычиаппроксимация, представленная на рис. 2, называе- слять свертку с фильтром не для каждого пикселя, а Рис. 2. Троичная аппроксимация фильтров (Fast-SURF) В данном случае белые области соответствуют значению +1, черные –2(на третьем фильтре –1) и серые соответствуют 0. Заметим, что, так как Гессиан является производной, то он обладает инвариантность к сдвигу яркости изображения. Также благодаря этому гессиан достигает максимума как в светлых, так и в темных особенностях изображений.

Масштабирование. Как уже отмечалось, Гессиан не инвариантен к изменениям размеров. Решение этой проблемы только одно — перебирать различные масштабы фильтров и применять их к выбранному пикселу. Из соображений дискретизации и симметрии, размер Fast-Hessian не может принимать произвольные значения. Допустимы размеры: 9, 15, 21, 27 и так далее, с шагом 6. На практике для крупных масштабов шаг 6 оказывается слишком мелким, а количество фильтров — избыточными. В связи с этим, все пространство размеров фильтра разбивается на октавы. Каждая октава покрывает определенный интервал масштабов и имеет свой характерный размер фильтра. Очевидно, что использование только одного фильтра в октаве невозможно. Также для нахождения локального максимума Гессиана используется метод соседних точек 333. Исследуемый пиксель считается локальным максимумом, если его гессиан больше, чем у любого его соседа в его масштабе, а также Вычисление дескриптора. Дескриптор представ- ра к шумам в удаленных от особой точки областях.

ляют собой массив из 64 либо 128 чисел, позволяю- В дополнение к дескриптору, для описания точки исщих идентифицировать особую точку. Дескрипторы пользуется знак следа матрицы Гессе, т. е. величина одной и той же особой точки на образце и на сцене sign(Dxx + Dyy). Для светлых точек на темном фоне должны примерно совпадать. Метод расчета дескрип- след отрицателен, для темных точек на светлом фоне — тора таков, что он не зависит от вращения и масшта- положителен.

ба. Для вычисления дескриптора вокруг особой точки формируется прямоугольная область, имеющая размер 20s, где s — масштаб, в котором была найдена особая точка. Для первой октавы область имеет размер 4040 пикселов. Квадрат ориентируется вдоль приоритетного направления, вычисленного для особой точки. Дескриптор считается как описание градиента для 16 квадрантов вокруг особой точки. Далее, квадрат разбивается на 16 более мелких квадрантов.

В каждом квадранте выбирается сетка 55, и для точки сетки ищется градиент с помощью фильтра Хаара.

Размер фильтра Хаара берется равный 2s. Следует отметить, что при расчете фильтра Хаара изображение не поворачивается, фильтр считается в обычных координатах изображения. А вот полученные координаты градиента (dX, dY) поворачиваются на угол, соответствующий ориентации квадрата. Итого, для вычисления дескриптора особой точки нужно вычислить фильтров Хаара в каждом из 16 квадрантов. Итого, 400 фильтров Хаара. Учитывая, что на фильтр нужно 6 операций, выходит, что дескриптор обойдется минимум в 2400 операций. После нахождения 25 точечных градиентов квадранта, вычисляются четыре величины, которые собственно и являются компонентами дескриптора: dX, |dX|, dY, |dY|. Две из них — суммарный градиент по квадранту, а две другие — сумма модулей точечных градиентов. На рис. 3 показано поведение этих величин для разных участков изображений. Четыре компонента на каждый квадрант и 16 квадрантов дают 64 компонента дескриптора для всей области особой точки. При занесении в массив значения дескрипторов взвешиваются на гауссиану с центром в особой точке и с сигмой 3,3s.

Это нужно для большей устойчивости дескриптоА. Р. Нургатин Поиск устойчивых признаков изображений. Алгоритм speed up robust feature

УПРАВЛЕНИЕ РЕСУРСАМИ В СЛОЖНЫХ СИСТЕМАХ

НА ОСНОВЕ МНОГОАГЕНТНОГО ПОДХОДА

Рассматриваются вопросы применения многоагентных технологий при управлении ресурсами в сложных системах. Приведены примеры реализованных прототипов систем поддержки принятия решений в виде многоагентных систем для различных предметных областей. Применение многоагентных технологий позволяет повысить эффективность управления ресурсами сложных систем.

Управление ресурсами сложной системы необхо- показал, что большинство разработанных методов димо для обеспечения ее эффективного функцио- работают только с числовыми данными и не учитынирования. В условиях динамично изменяющихся вают слабоформализуемую информацию об особенвнешних условий к модели сложной социально-эко- ностях предметной области и индивидуальные осономической системы (СЭС), основные особенности бенности, присущие ресурсам одного вида.

которой представлены на рисунке, предъявляются Для решения задач управления ресурсами в сложследующие требования: необходимость быстрого ре- ных системах в условиях изменяющейся внешней агирования на изменения, адаптивность модели. среды предлагается концепция, базирующаяся на Предлагается рассматривать ресурсы следующих использовании многоагентных технологий и техновидов – материальные, финансовые, трудовые, энер- логий инженерии знаний: многоагентных систем, гетические и время. На процесс распределения ресур- онтологических моделей и семантических методов.

сов оказывают существенное влияние следующие ха- Применение интеллектуальных технологий дает рактеристики, присущие ресурсам: неоднородность, принципиальную возможность по-новому формулимобильность, взаимозаменяемость, комплексность, ровать задачи и учитывать слабоформализуемую инограниченность и уникальность. Эффективность рас- формацию, что позволяет строить модели, которые пределения ресурсов может оцениваться с помощью точнее отражают свойства и взаимосвязи объектов множества критериев, что также усложняет сам про- реального мира. Это способствует повышению качецесс управления. Кроме того внешняя среда — обще- ства принимаемых решений за счет оперативности ство – подвержено не только изменениям, но и разви- реагирования на любые изменения внешней среды.

вается, что ведет к тому, что появляются новые виды В качестве примеров задач, связанных с управлересурсов, возникают новые потребности, формируют- нием распределением ресурсов в сложных СЭС и реся новые критерии для оценки деятельности [1;

2]. шаемых с применением многоагентных технологий, Анализ основных исследований в области управ- рассматриваются задачи календарного планирования ления распределением ресурсов в сложных системах производства, распределения ресурсов в условиях чрезвычайных ситуаций, распределение транспорта агента, достаточно внести изменения в его локальна перевозку грузов, распределение вычислительных ную базу знаний. При этом сама процедура ведения задач в рамках распределенной системы, задачи се- переговоров остается без изменений.

тевого планирования сложных проектов, распределе- Предлагаемая концепция была апробирована пуние исполнителей на задачи, логистические задачи, тем разработки прототипов систем поддержки прираспределение ресурсов при оказании медицинских нятия решений (СППР) при управлении распределеуслуг и другие, часть из которых подробно рассмо- нием ресурсов для ряда реальных задач – распредеПредлагаемая концепция учитывает индивидуаль- календарное планирование производства [4], распреные особенности моделируемых объектов реального деление агентов по узлам вычислительной сети [5], мира, а также семантические ограничения предмет- распределение ресурсов при оказании медицинских ных областей и позволяет получать допустимые пла- услуг [6;

12], формирование подразделений спасатены распределения ресурсов в условиях множества лей с учетом уровня профессиональной подготовки и критериев для обеспечения лица, принимающего психологической совместимости [13].

решения, необходимой, достоверной и обоснованной Прототипы СППР разработаны на базе агентной Предлагается использовать для решения задач стандарта по разработке систем интеллектуальных управления ресурсами многоагентные технологии. агентов (FIPА).

При этом в качестве базовой используется модель аген- Проведенные экспериментальные исследования тов, предложенная Вулдриджом и Дженнингсом [11]. эффективности разработанных решений [4–6;

9] поАгентам многоагентной системы для решения задач зволяют сделать вывод о том, что применение многораспределения ресурсов соответствуют, во-первых, агентных технологий позволяет повысить эффективсущности, выступающие в реальном мире потреби- ность распределения ресурсов.

телями и/или поставщиками ресурсов, а во-вторых, сами ресурсы. Для решения задачи распределения ресурсов агенты вынуждены взаимодействовать и вступать в переговоры друг с другом, которые моделируются коммуникациями.



Pages:     | 1 |   ...   | 9 | 10 || 12 | 13 |   ...   | 28 |
 


Похожие материалы:

«МАТЕРИАЛЫ ВОСЬМОЙ НАУЧНО-ПРАКТИЧЕСКОЙ КОНФЕРЕНЦИИ Перспективные системы и задачи управления Таганрог 2013 Конференция “Перспективные системы и задачи управления” УДК 681.51 Материалы Восьмой Всероссийской научно-практической конференции Перспективные системы и задачи управления. – Таганрог: Изд-во ТТИ ЮФУ, 2013. – 378 с. Издание осуществлено при поддержке Российского фонда фундаментальных исследований, грант № 13-08-06015. ОРГАНИЗАТОРЫ Министерство обороны РФ; Министерство внутренних дел РФ; ...»

«3 Генеральный секретариат IRU 14 Организации-партнеры IRU 18 Автомобильный транспорт 19 Приоритетные задачи IRU: устойчивое развитие 20 Безопасность дорожного движения 20 Инновации 21 Академия IRU 26 Система стимулирования 30 Инфраструктура 32 Приоритетные задачи IRU: содействие развитию торговли, туризма и автотранспорта 34 Общий контекст и вопросы, связанные с торговлей 34 Содействие автомобильным перевозкам и вопросы безопасности 38 4-я Конференция IRU по автотранспортным перевозкам ...»

«08 основные операции 09 Агентство по распределению номеров Интернета 10 Группа DNS 10 Информационные технологии 10 Группа обеспечения безопасности 12 инициативы 13 Новые gTLD 13 Обзор Утверждения обязательств 15 Глобальное сотрудничество 15 Многоязычные доменные имена 16 Оценка строки IDN ccTLD 17 Программа грантов 17 Общественные конференции ICANN 18 Участие и привлечение 18 Программа для новичков ФотограФия на обложкЕ 19 консультативные советы и вспомогательные организации Члены совета ...»

«ИНТЕРВЬЮ с. 6–7 Дик Ватика: Расизм сдерживает развитие СОЦИАЛЬНЫЕ ПРЕОБРАЗОВАНИЯ с. 26 Новый этап в программе ЮНЕСКО МОСТ ДОСЬЕ с. 12–23 Молодежь создает завтрашний мир www.unesco.org/shs/views 2 Июнь/сентябрь 2007 ОТ РЕДАКЦИИ 17 Повышение роли молодежи – путь к устойчивому развитию Жить и видеть ту зарю – блаженство, но быть молодым – это ...»






 
© 2013 www.kon.libed.ru - «Бесплатная библиотека научно-практических конференций»