Real-Time Sensing, Reasoning and Adaptation for Computer Vision Systems

Hrytsyk, Volodymyr; Nazarkevych, Mariya

doi:10.1007/978-3-030-82014-5_39

Cited by 7 publications

(2 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Key words: evaluation, edge detectors, computer vision. Аналіз останніх досліджень та публікацій Упродовж десятиліть опрацювання образів [1] і зображень [2] зокрема залишається актуальним завданням [3].…”

Section: Research Of Image Theory: Preprocecion -Edge Detectorsunclassified

Дослідження Теорії Зображень: Попередня Обробка – Виділення Країв

ГРИЦИК,

ЗАДОРОЖНІЙ

2023

ППММ

View full text Add to dashboard Cite

Упродовж десятиліть розпізнавання образів та опрацювання зображень зокрема залишається актуальним завданням. Сьогодні ми маємо добре пророблений теоретичний фундамент базових понять, операцій і потребу зіставлення базових операцій передобробки вхідної (початкової) інформації, що допускає ефективне застосування теорії розпізнавання. У роботі автори подають частковий розв’язок, дослідивши можливості десяти операторів виділення країв (контурів), порівняють поведінку операторів у різних умовах, зокрема умовами є різні значення діапазонів видимого спектру. Видимий спектр поділено на чотири діапазони, які ефективно сприймаються світлочутливою матрицею вебкамери. Ці діапазони відповідають денному освітленню. Досліджено такі оператори: покращення країв за допомогою дискретної різниці (Edge Enhancement by Discrete Differencing), логарифмічне виявлення краю Уолліса (Wallis logarithmic edge detection), виявлення країв і ліній Frei-Chen (Frei-Chen edge and line detection), детектор краю Кірша (Kirsch Edge detector), спрямоване визначення краю (Directional edge detection), добуток різниці середніх (Product of the difference of averages), виявлення країв тріщин (Crack Edge detection), виявлення країв Марра-Хілдрета (Marr-Hildreth edge detection), виявлення локального краю в тривимірних зображеннях (Local Edge Detection in three-dimentional images), виявлення ієрархічного краю (Hierarchical edge detection). Для проведення досліджень розроблено систему адаптивного пошуку оптимального детектора краю зображення відповідно до рівня освітлення. Ця система призначена для роботи з веб-камерою персонального комп’ютера або смартфона, виділення на ній об’єктів і в подальшому накладення на них фільтрів. У кінцевому підсумку система буде підбирати для певного освітлення найкращий метод, який було визначено. Подано методи й результати. Робота охоплює розробку й застосування методів виділення країв для виявлення суттєвих ознак та особливостей на зображеннях, використовуючи адаптивний підхід, на відміну від усталеної послідовності попередньої обробки. Завдання, розв’язані під час проведення дослідження: реалізовано методи виділення ключових характеристик об’єкта; реалізовано частину аналітичного ядра з об’єктивною оцінкою, яка є кращою за MSE та PSNR і їх найближчих варіацій, зокрема використано індекс структурної схожості (SSIM). Реалізовано частину аналітичного ядра з прийняття рішення за результатами об’єктивного оцінювання, що дало змогу адаптивно визначати оптимальний алгоритм знаходження об’єктів у полі уваги, створена база векторів-еталонів людського сприйняття об’єктів, розроблено навчальний складник під час навчання комп’ютерного зору людських понять образів цифр.

show abstract

Section: Research Of Image Theory: Preprocecion -Edge Detectorsunclassified

Дослідження Теорії Зображень: Попередня Обробка – Виділення Країв

ГРИЦИК,

ЗАДОРОЖНІЙ

2023

ППММ

View full text Add to dashboard Cite

show abstract

“…identical research essences in terms of meaningful comparison, there is a need to establish the correspondence of the meaningful essences of the research subject areas. The need to develop the degree of entity alignment within subject areas is topical both in cybersecurity [27,28] and in other subject areas [7,14,20,21,26,37], including in machine learning methods [4-6, 19, 25]. Such an alignment is challenging due to the ambiguity of the interpretation and the existing objective circumstance, which consists of incomplete correspondence.…”

Section: інформаційні системиmentioning

confidence: 99%

Semantic alignment of ontologies meaningful categories with the generalization of descriptive structures

Manziuk

Barmak

Krak

et al. 2022

View full text Add to dashboard Cite

The presented work addresses the issue of semantic alignment of ontology components with a generalized structured corpus. The field of research refers to the sphere of determining the features of trust in artificial intelligence. An alignment method is proposed at the level of semantic components of the general alignment system. The method is a component of a broader alignment system and compares entities at the level of meaningful correspondence. Moreover, only the alignment entities’ descriptive content is considered within the proposed technique. Descriptive contents can be represented by variously named id and semantic relations. The method defines a fundamental ontol- ogy and a specific alignment structure. Semantic correspondence in the form of information scope is formed from the alignment structure. In this way, an entity is formed on the side of the alignment structure, which would correspond in the best meaningful way to the entity from the ontology in terms of meaningful descriptiveness. Meaningful descriptiveness is the filling of information scope. Information scopes are formed as a final form of generalization and can consist of entities, a set of entities, and their partial union. In turn, entities are a generalization of properties that are located at a lower level of the hierarchy and, in turn, are a combination of descriptors. Descriptors are a fundamental element of generalization that represent principal content. Descriptors can define atomic content within a knowledge base and represent only a particular aspect of the content. Thus, the element of meaningfulness is not self-sufficient and can manifest as separate meaningfulness in the form of a property, as a minimal representation of the meaningfulness of an alignment. Descriptors can also supplement the content at the level of information frameworks, entities, and properties. The essence of the alignment in the form of information scope cannot be represented as a descriptor or their combination. It happens because the descriptive descriptor does not represent the content in the completed form of the correspondence unit. The minimum structure of representation of information scope is in the form of properties. This form of organization of establishing the correspondence of the semantic level of alignment allows you to structure and formalize the information content for areas with a complex form of semantic mapping. The hierarchical representation of the generalization not only allows simplifying the formalization of semantic alignment but also enables the formation of information entities with the possibility of discretization of content at the level of descriptors. In turn, descriptors can expand meaningfulness at an arbitrary level of the generalization hierarchy. This provides quantization of informational content and flexibility of the alignment system with discretization at the level of descriptors. The proposed method is used to formalize the semantic alignment of ontology entities and areas of structured representation of information.

show abstract