2023 №1 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://voenvestnik.ru/3ecvv129.html

Полный текст статьи в формате PDF (объем файла: 416.4 Кбайт)

Ссылка для цитирования этой статьи:

Нурпейсова А. А., Шаушенова А. Г., Смаилова Л. К., Муталова Ж. С. Существующие способы распознавания образов // Экономика и безопасность. — 2023 №1. — URL: https://voenvestnik.ru/PDF/3ECVV129.pdf

Существующие способы распознавания образов

Нурпейсова Ардак Алданышовна
доктор PhD, старший преподаватель кафедры «Информационные системы» Казахский агротехнический университет им. С. Сейфуллина
e-mail: naa11317@mail.ru
Республика Казахстан, г. Астана

Nurpeisova A. A. PhD, senior lecturer of the Department
«Information Systems» S. Seifullin Kazakh Agrotechnical University
e-mail: naa11317@mail.ru
Republic of Kazakhstan, Astana
Шаушенова Анаргуль Гимрановна
к.т.н., старший преподаватель кафедры «Информационные системы»
Казахский агротехнический университет им. С. Сейфуллина
e-mail: shaushenova_78@mail.ru
Республика Казахстан, г. Астана

Shaushenova A. G., candidate of Technical Sciences,
senior lecturer of the Department «Information Systems»
S. Seifullin Kazakh Agrotechnical University
e-mail: shaushenova_78@mail.ru
Republic of Kazakhstan, Astana
Смаилова Лайла Кудайбергеновна
старший преподаватель кафедры «Информационные системы»
Казахский агротехнический университет им. С. Сейфуллина
e-mail: smailova_laila@mail.ru
Республика Казахстан, г. Астана

Smailova L.K., senior lecturer of the Department
«Information Systems» S. Seifullin Kazakh Agrotechnical University
e-mail: smailova_laila@mail.ru
Republic of Kazakhstan, Astana
Муталова Жазира Саткановна
магистр, старший преподаватель Институт экономики, информационных технологий и профессионального образования,
e-mail: zhazira77@mail.ru
Республика Казахстан, г. Уральск

Mutalova Zh.S., senior lecturer, Master’s degree
Institute of Economics, Information Technology and Vocational Education
e-mail: zhazira77@mail.ru
Republic of Kazakhstan, Uralsk

Аннотация. Машинное обучение широко применяется в компьютерном зрении и обработке изображений. Уровень развития машинного обучения и наличие разнообразных комплексных моделей могут позволить с достаточной точностью обнаруживать на изображении людей, что обеспечит возможность их подсчета. Видеопоток с заведений может быть получен с систем видеонаблюдения, которых с каждым годом становится все больше. Точность модели будет являться одним из основных показателей, на основе которого можно сделать вывод о пригодности модели для ее практической эксплуатации. До 2014 года технология распознавания образов основывалась на традиционных алгоритмах; после 2014 года технология распознавания образов в основном основывалась на алгоритмах глубокого обучения. Традиционные методы основаны на характеристиках моделей, созданных вручную, таких как описания текстур краев, и на методах, включающих методы машинного обучения, такие как анализ основных компонентов, линейный дискриминантный анализ и методы опорных векторов. Трудность, которую необходимо преодолеть из-за функциональности этого проекта, заключается в том, чтобы приспособить различную изменчивость к неограниченным средам, что заставило исследователей сосредоточиться на поиске конкретных методов для каждого типа изменчивости, таких как контроль неизменности возраста, неизменность позы, контроль одинаковых условий освещения и так далее. Сверточные нейронные сети являются наиболее распространенным алгоритмом глубокого обучения, применяющим несколько сверхточных слоев и вычислений. Они предоставляют эффективные способы извлечения признаков, а также являются лучшим выбором для решения проблем обнаружения объектов.

Ключевые слова: распознавание лиц, эксперты по распознаванию лиц, искусственный интеллект, машинное распознавание и машинное обучение, обнаружение образов.

Скачать