|
Rasmga ishlov berishda chekkalarni aniqlash
|
| bet | 4/5 | | Sana | 21.05.2024 | | Hajmi | 0,67 Mb. | | #248644 |
Bog'liq Tasvirlarga dastlabki ishlov berish algoritmlari.4. Rasmga ishlov berishda chekkalarni aniqlash
Chetlarni aniqlash - bu tasvir ichidagi ob'ektlar chegaralarini topish uchun tasvirni qayta ishlash usuli. Yorqinlikdagi uzilishlarni aniqlash orqali ishlaydi.
Bu rasmdan foydali ma'lumotlarni olishda juda foydali bo'lishi mumkin, chunki shakl haqidagi ma'lumotlarning aksariyati qirralarga o'ralgan. Yorqinlikni aniqlashning klassik usullari yorqinlikdagi uzilishlarni aniqlash orqali ishlaydi.
Kulrang darajalarning o'zgarishini aniqlashda tasvirda biroz shovqin aniqlansa, u tezda reaksiyaga kirishishi mumkin. Qirralar gradientning mahalliy maksimallari sifatida aniqlanadi.
Eng keng tarqalgan chekka aniqlash algoritmi sobel chekka aniqlash algoritmidir. Sobelni aniqlash operatori 3*3 konvolyutsion yadrolardan tashkil topgan. Oddiy yadro Gx va 90 daraja aylantirilgan yadro Gy. Alohida o'lchovlar ikkala yadroni ham tasvirga alohida qo'llash orqali amalga oshiriladi.
* 2D signalni qayta ishlash konvolyutsiyasi operatsiyasini bildiradi.
Olingan gradientni quyidagicha hisoblash mumkin:
5. To'lqinli tasvirni qayta ishlash
Biz Furye konvertatsiyasini ko'rdik, lekin u faqat chastota bilan cheklangan. To'lqinlar vaqtni ham, chastotani ham hisobga oladi. Ushbu transformatsiya statsionar bo'lmagan signallar uchun mos keladi.
Biz bilamizki, qirralar tasvirning muhim qismlaridan biri hisoblanadi, an'anaviy filtrlarni qo'llashda shovqin olib tashlanishi, lekin tasvir xiralashishi seziladi. To'lqinli konvertatsiya biz past chastotali komponentlar uchun yaxshi chastota aniqligiga ega bo'ladigan tarzda ishlab chiqilgan. Quyida 2D to'lqinli o'zgartirish misoli keltirilgan:
Neyron tarmoqlar yordamida tasvirni qayta ishlash
Neyron tarmoqlar - bu neyronlar yoki tugunlardan tashkil topgan ko'p qatlamli tarmoqlar. Ushbu neyronlar neyron tarmoqning asosiy ishlov berish birliklari hisoblanadi. Ular inson miyasi kabi harakat qilish uchun yaratilgan. Ular ma'lumotlarni oladi, ma'lumotlardagi naqshlarni tan olishga o'rgatadi va keyin chiqishni bashorat qiladi.
Asosiy neyron tarmoq uchta qatlamdan iborat:
Kirish qatlami
Yashirin qatlam
Chiqish qatlami
Kirish qatlamlari kirishni oladi, chiqish qatlami chiqishni bashorat qiladi va yashirin qatlamlar hisob-kitoblarning ko'p qismini bajaradi. Yashirin qatlamlar soni talablarga muvofiq o'zgartirilishi mumkin. Neyron tarmog'ida kamida bitta yashirin qatlam bo'lishi kerak.
Neyron tarmoqning asosiy ishi quyidagicha:
Keling, tasvirni ko'rib chiqaylik, har bir piksel birinchi qatlamning har bir neyroniga kirish sifatida oziqlanadi, bir qatlamning neyronlari kanallar orqali keyingi qatlam neyronlariga ulanadi.
Ushbu kanallarning har biriga og'irlik deb nomlanuvchi raqamli qiymat beriladi.
Kirishlar mos keladigan og'irliklarga ko'paytiriladi va bu og'irlikdagi summa keyinchalik yashirin qatlamlarga kirish sifatida beriladi.
Yashirin qatlamlardan olingan ma'lumotlar faollashtirish funktsiyasidan o'tadi, bu ma'lum bir neyron faollashadi yoki yo'qligini aniqlaydi.
Faollashtirilgan neyronlar ma'lumotlarni keyingi yashirin qatlamlarga uzatadi. Shu tarzda, ma'lumotlar tarmoq orqali tarqaladi, bu Forward Propagation deb nomlanadi.
Chiqish qatlamida eng yuqori qiymatga ega neyron chiqishni bashorat qiladi. Ushbu chiqishlar ehtimollik qiymatlari.
Xatoni olish uchun prognoz qilingan chiqish haqiqiy chiqish bilan taqqoslanadi. Keyinchalik bu ma'lumotlar tarmoq orqali qayta uzatiladi, jarayon Backpropagation deb nomlanadi.
Ushbu ma'lumotlarga asoslanib, og'irliklar o'rnatiladi. Oldinga va orqaga tarqalishning ushbu tsikli tarmoq ko'p hollarda chiqishni to'g'ri bashorat qilmaguncha bir nechta kirishlarda bir necha marta amalga oshiriladi.
Bu neyron tarmoqni o'qitish jarayonini tugatadi. Neyron tarmog'ini o'rgatish vaqti ba'zi hollarda ko'tarilishi mumkin.
Quyidagi rasmda ai - kirishlar to'plami,wi -og'irliklar, z - chiqish va g - har qanday faollashtirish funktsiyasi.
Tasvirga ishlov berish uchun ma'lumotlarni tayyorlash bo'yicha ba'zi ko'rsatmalar.
Yaxshi natijalarga erishish uchun modelga ko'proq ma'lumot berilishi kerak.
Aniqroq ma'lumot olish uchun tasvir ma'lumotlar to'plami yuqori sifatli bo'lishi kerak, ammo ularni qayta ishlash uchun sizga chuqurroq neyron tarmoqlar kerak bo'lishi mumkin.
Ko'pgina hollarda RGB tasvirlari ularni neyron tarmoqqa yuborishdan oldin kulrang rangga aylantiriladi.
Neyron tarmoq turlari
Konvolyutsion neyron tarmog'i
Konvolyutsion neyron tarmog'i, qisqacha ConvNets uchta qatlamga ega:
|
| |
