Применимость метода

У такого подхода к поиску изображений есть проблемы с обнаружением накладывающихся образцов, образующих двойную пересекающуюся область. Общая точность поиска сильно зависит от частоты расположения фрагментов на конечное изображение. Наиболее точным будет поиск со смещением в 1 пиксель, однако это требует количества проходов по сети, равного (N-n)*(M-m), где n*m – размер образца, а N*M – размер большого изображения. При небольших образцах это приближается к числу итераций, равному числу пикселей изображения. Если, напротив, увеличить шаг, можно добиться быстрой работы программы, однако указываемое положение образца будет неточным, а в некоторых случаях, при неудачном положении границ фрагментов, будут пропущенные вхождения.

Результаты программы могут использоваться для грубого выделения областей интереса на изображении (такими областями становятся объединения пересекающихся вхождений), и впоследствии в областях интереса может производиться более точный поиск аналитическими методами.

Преимущества и недостатки системы

В качестве достоинств системы можно выделить ее гибкость. Она позволяет работать с несколькими образцами одновременно. При этом деление образцов на классы произвольное, что позволяет искать повернутые копии образца либо как отдельные типы вхождений, либо как объединенный тип. Также можно отметить, что обучение сети поиску образцов, подвергшихся трансформации, необходимо путем подбора соответствующих обучающих образцов, однако определенное масштабирование возможно без дополнительных обучающих образцов. Сеть распознает элементы по набору ключевых деталей, при этом допуская их сдвиги и изменение размера.

Еще одной особенностью системы является полная независимость изображений, относящихся к одному классу. Из этого следует, что можно использовать для поиска изображения, подвергающиеся любым видам преобразований, в том числе не только афинных. Вообще говоря, к одному классу могут относиться даже не связанные между собой изображения: например один и тот же символ в разных шрифтах, или даже старый и новый логотипы фирмы.

Данная система, как программа поиска по изображению, имеет ряд недостатков по сравнению с другими методами в этой области. Быстродействие системы возможно только при низкой частоте расположения фрагментов на изображении, что дает большое количество пропущенных вхождений. Поиск невозможен без качественного обучения сети, а это недетерминированный процесс, требующий подбора параметров для каждого конкретного типа входных изображений. Такая система лучше всего применима для поиска заранее известного набора образцов, если есть возможность предварительного исследования их особенностей и подбора оптимальной конфигурации.

Дальнейшие возможности

Программа представляет собой законченную реализацию неокогнитрона с достаточно большим числом модифицируемых параметров и графическим интерфейсом для работы с сетью. Она может быть использована в качестве инструмента для изучения неокогнитрона как системы, а не только применительно к задаче поиска образцов на изображении. Для этой задачи возможно дальнейшее исследование параметров, позволяющего обучить сеть более эффективно распознавать образцы, и таким образом улучить качество поиска.

Программа может быть доработана по некоторым направлениям:

• Распараллеливание процесса поиска, а также возможное распараллеливание алгоритмов обучения и активации слоев. Алгоритмы исходно обладают параллелизмом данных, что позволяет эффективно применять как кластерные и многоядерные системы, так и распараллеливание на графических процессорах. Алгоритм поиска также предоставляет такую возможность: все фрагменты могут обрабатываться независимо.

• Обеспечение хранения и загрузки сетевой конфигурации из файлов. Это даст возможность использовать заранее обученную сеть многократно для поиска одних и тех же образцов.

• Совмещение работы неокогнитрона с применением аналитических алгоритмов. Неокогнитрон может стать одним из промежуточных вычислительных элементов в системе: найденные им области могут быть исследованы аналитическими методами для обнаружения точного совпадения с образцом. Также может использоваться предварительная обработка образцов.