Просмотр кода страницы Теория распознавания образов

{{перенаправление|Распознавание образов|Распознавание образов (роман)|о романе Уильяма Гибсона}}
[[Файл:800px-Cool Kids of Death Off Festival p 146-face selected.jpg|thumb|200px|Автоматическое распознавание лиц специальной программой]]

'''Теория распознава́ния о́бразов''' — раздел [[информатика|информатики]] и смежных дисциплин, развивающий основы и методы [[Задача классификации|классификации]] и [[идентификация (информационные системы)|идентификации]] предметов, явлений, [[процесс (информатика)|процессов]], [[сигнал]]ов, [[ситуация|ситуаций]] и т. п. объектов, которые характеризуются конечным набором некоторых [[свойство|свойств]] и признаков. Такие задачи решаются довольно часто, например, при переходе или проезде улицы по сигналам светофора. Распознавание цвета загоревшейся лампы светофора и знание правил дорожного движения позволяет принять правильное решение о том, можно или нельзя переходить улицу.

Необходимость в таком распознавании возникает в самых разных областях — от военного дела и систем безопасности до оцифровки аналоговых сигналов.

Проблема распознавания образов приобрела выдающееся значение в условиях информационных перегрузок, когда человек не справляется с линейно-последовательным пониманием поступающих к нему сообщений, в результате чего его мозг переключается на режим одновременности восприятия и мышления, которому свойственно такое распознавание .

Неслучайно, таким образом, проблема распознавания образов оказалась в поле междисциплинарных исследований — в том числе в связи с работой по созданию [[Искусственный интеллект|искусственного интеллекта]], а создание технических систем ''распознавания образов'' привлекает к себе всё большее внимание.

== Направления в распознавании образов ==
Можно выделить два основных направления<ref>''Ту Дж., Гонсалес Р.'' Принципы распознавания образов, М. 1978</ref>:

* Изучение способностей к распознаванию, которыми обладают живые существа, объяснение и моделирование их;
* Развитие теории и методов построения устройств, предназначенных для решения отдельных задач в прикладных целях.

== Формальная постановка задачи ==
Распознавание образов — это отнесение исходных данных к определённому классу с помощью выделения существенных признаков, характеризующих эти данные, из общей массы данных.

При постановке задач распознавания стараются пользоваться математическим языком, стремясь — в отличие от теории [[Искусственная нейронная сеть|искусственных нейронных сетей]]<ref>{{статья
|автор        = Маткасым Н. Н.
|заглавие        = Распознавание образов с помощью нейронных сетей
|ссылка        = http://earchive.tpu.ru/handle/11683/33191
|издание        = Технологии Microsoft в теории и практике программирования : сборник трудов XIII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых, г.Томск, 22-23 марта 2016 г.
|страницы        = 23—25
|archivedate        = 2017-09-17
|archiveurl        = https://web.archive.org/web/20170917201836/http://earchive.tpu.ru/handle/11683/33191
}}</ref>, где основой является получение результата путём эксперимента, — заменить эксперимент логическими рассуждениями и математическими доказательствами<ref>''Файн В. С.'' Опознавание изображений, М., 1970</ref>.

Классическая постановка задачи распознавания образов<ref>''[[Журавлёв, Юрий Иванович (математик)|Журавлёв Ю. И.]]'' Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. — М.: Наука, 1978, вып. 33. — С. 5-68.</ref>: Дано множество объектов. Относительно них необходимо провести классификацию. Множество представлено подмножествами, которые называются классами. Заданы: информация о классах, описание всего множества и описание информации об объекте, принадлежность которого к определённому классу неизвестна. Требуется по имеющейся информации о классах и описании объекта установить — к какому классу относится этот объект.

Наиболее часто в задачах распознавания образов рассматриваются [[Монохромное изображение|монохромные изображения]], что дает возможность рассматривать изображение как функцию на плоскости. Если рассмотреть точечное множество на плоскости <math>T</math>, где функция <math>f(x, y)</math> выражает в каждой точке изображения его характеристику — яркость, прозрачность, оптическую плотность, то такая функция есть формальная запись изображения.

Множество же всех возможных функций <math>f(x, y)</math> на плоскости <math>T</math> есть модель множества всех изображений <math>X</math>. Вводя понятие ''сходства'' между образами можно поставить задачу распознавания. Конкретный вид такой постановки сильно зависит от последующих этапов при распознавании в соответствии с тем или иным подходом.

== Некоторые методы распознавания графических образов ==
Для оптического распознавания образов можно применить метод перебора вида объекта под различными углами, масштабами, смещениями и т. д. Для букв нужно перебирать шрифт, свойства шрифта и т. д.

Второй подход — найти контур объекта и исследовать его свойства (связность, наличие углов и т. д.)

Ещё один подход — использовать [[Искусственная нейронная сеть|искусственные нейронные сети]]. Этот метод требует либо большого количества примеров задачи распознавания (с правильными ответами), либо специальной структуры нейронной сети, учитывающей специфику данной задачи.

== [[Персептрон]] как метод распознавания образов ==
[[Розенблатт, Фрэнк|Фрэнк Розенблатт]], вводя понятие о [[модель мозга|модели мозга]], задача которой состоит в том, чтобы показать, как в некоторой физической системе, структура и функциональные свойства которой известны, могут возникать психологические явления, описал простейшие эксперименты по различению. Данные эксперименты целиком относятся к методам распознавания образов, но отличаются тем, что алгоритм решения не детерминированный.

Простейший эксперимент, на основе которого можно получить психологически значимую информацию о некоторой системе, сводится к тому, что модели предъявляются два различных стимула и требуется, чтобы она реагировала на них различным образом. Целью такого эксперимента может быть исследование возможности их спонтанного различения системой при отсутствии вмешательства со стороны экспериментатора, или, наоборот, изучение принудительного различения, при котором экспериментатор стремится обучить систему проводить требуемую классификацию.

В опыте с обучением [[Перцептрон|персептрону]] обычно предъявляется некоторая последовательность образов, в которую входят представители каждого из классов, подлежащих различению. В соответствии с некоторым правилом модификации [[Память|памяти]] правильный выбор реакции подкрепляется. Затем персептрону предъявляется контрольный стимул и определяется вероятность получения правильной реакции для стимулов данного класса. В зависимости от того, совпадает или не совпадает выбранный контрольный стимул с одним из образов, которые использовались в обучающей последовательности, получают различные результаты:

# Если контрольный стимул не совпадает ни с одним из обучающих стимулов, то эксперимент связан не только с ''чистым различением'', но включает в себя и элементы ''обобщения''.
# Если контрольный стимул возбуждает некоторый набор сенсорных элементов, совершенно отличных от тех элементов, которые активизировались при воздействии ранее предъявленных стимулов того же класса, то эксперимент является исследованием ''[[обобщение понятий|чистого обобщения]]''.

Персептроны не обладают способностью к чистому обобщению, но они вполне удовлетворительно функционируют в экспериментах по различению, особенно если контрольный стимул достаточно близко совпадает с одним из образов, относительно которых персептрон уже накопил определённый опыт.

== Примеры задач распознавания образов ==
* [[Оптическое распознавание символов]]
* Распознавание [[штрих-код]]ов
* Распознавание [[Автомобильные номера|автомобильных номеров]]
* [[Распознавание лиц]]
* [[Распознавание речи]]
* [[Распознавание изображений]]
* Распознавание локальных участков земной коры, в которых находятся месторождения [[Полезные ископаемые|полезных ископаемых]]
* [[Классификация документов]]

== См. также ==
* [[Размерность Вапника — Червоненкиса]]
* [[Дискриминантный анализ]]

== Примечания ==
{{Примечания}}

== Литература ==
* ''Аркадьев А. Г., Браверман Э. М.'' Обучение машины распознаванию образов. — М.: Наука, 1964
* {{книга
|автор = Барабаш Ю. Л., Варский Б. В., Зиновьев В. Т.
|заглавие = Вопросы статистической теории распознавания
|место = М.
|издательство = Советское радио
|год = 1967
|страниц = 399
}}
* ''Бонгард М. М''. Проблема узнавания.— М.: [[Физматгиз]], 1967.
* ''Аркадьев А. Г., Браверман Э. М.'' Обучение машины классификации объектов. — М.: Наука, 1971.
* {{книга
|автор = Горелик А. Л., Скрипкин В. А.
|заглавие = Методы распознавания
|издание = 4-е изд
|место = М.
|издательство = Высшая школа
|год = 1984, 2004
|страниц = 262
}}
* {{книга
|автор = [[Вапник, Владимир Наумович|Вапник В. Н.]], [[Червоненкис, Алексей Яковлевич|Червоненкис А. Я.]]
|заглавие = Теория распознавания образов
|место = М.
|издательство = Наука
|год = 1974
|страниц = 416
}}
* {{книга
|автор = Васильев В. И.
|заглавие = Распознающие системы. Справочник
|издание = 2-е изд
|место = К.
|издательство = [[Наукова думка]]
|год = 1983
|страниц = 424
}}
* Распознавание. Математические методы. Программная система. Практические применения. / ''[[Журавлёв, Юрий Иванович (математик)|Ю.И. Журавлёв]], [[Рязанов, Владимир Васильевич|В. В. Рязанов]], О.В. Сенько''. М.: ФАЗИС, 2006. 147 с. ISBN 5-7036-0108-8.
* {{книга
|автор =   Л. Шапиро, Дж. Стокман.
|заглавие = Компьютерное зрение
|оригинал = Computer Vision
|место = М.
|издательство = Бином. Лаборатория знаний
|год = 2006
|страниц = 752
|isbn = 5-947-74384-1
}}
* {{книга
|автор =  [[Фомин, Ярослав Алексеевич|Фомин Я. А.]]
|заглавие = Распознавание образов: теория и применения
|издание = 2-е изд
|место = М.
|издательство = ФАЗИС
|год = 2012
|страниц = 429
|isbn = 978-5-7036-0130-4
}}
* {{книга
|автор =  Фомин Я. А., [[Тарловский, Геннадий Рудольфович|Тарловский Г. Р.]]
|заглавие = Статистическая теория распознавания образов 
|место = М.
|издательство = Радио и связь
|год = 1986
|страниц = 624
}}
* {{книга
|автор = Форсайт Дэвид А., Понс Джин.
|заглавие = Компьютерное зрение. Современный подход
|оригинал = Computer Vision: A Modern Approach
|место = М.
|издательство = [[Вильямс (издательство)|Вильямс]]
|год = 2004
|страниц = 928
|isbn = 0-13-085198-1
}}
* {{книга
|автор = Чэн Ш.-К.
|заглавие = Принципы проектирования систем визуальной информации
|место = М.
|издательство = Мир
|год = 1994
|страниц = 408
}}
* {{книга
|автор = Лбов Г. С.
|заглавие = Методы обработки разнотипных экспериментальных данных
|место = Новосибирск
|издательство = Наука
|год = 1981
|страниц = 157
}}

== Ссылки ==
* ''Юрий Лифшиц''. Курс [http://yury.name/modern.html «Современные задачи теоретической информатики»] — лекции по статистическим методам распознавания образов, распознаванию лиц, классификации текстов
* [http://www.jprr.org/ Journal of Pattern Recognition Research] {{Wayback|url=http://www.jprr.org/ |date=20080908110041 }} (Журнал исследования распознавания образов)
* ''Дюкова Е. В.'' [http://www.ccas.ru/frc/papers/djukova03mp.pdf Дискретные (логические) процедуры распознавания: принципы конструирования, сложность реализации и основные модели.] Учебное пособие для студентов математических факультетов педвузов. — М.: Прометей, 2003. — 29 с. ISBN 5-70420-1092-9.

{{вс}}
{{искусственный интеллект}}

[[Категория:Распознавание образов]]