Vámossy Zoltán 2004 (H. Niemann: Pattern Analysis and Understanding, Springer, 1990) DIP + CV Bevezető II.

Alapfogalmak

Vámossy Zoltán IAR Környezet (enviroment) n Függvények formájában leírhatunk tárgyakat, eseményeket, történéseket n A fizikai mennyiségeket szenzorokkal mérjük

Vámossy Zoltán IAR Feladat tartomány (task domain) n Környezet része – csak ami érdekel az adott feladat esetén n A dimenziókat rögzítjük (végtelen sok fgv. ez is) n Pl.: tengerszínt egy földrajzi koordinátában, vagy szélsebesség adott helyen

Vámossy Zoltán IAR Minta (pattern) n Feladat tartomány egy eleme, ezért egy fgv. n Szürke árnyalatú kép n Példa: beszéd f(t): r 0 =1, n 0 =1

Vámossy Zoltán IAR Mintafelismerés (pattern recognition) n A tényekről alkotott logikai képek automatikus származtatásának matematikai és műszaki kérdéseivel foglalkozik.

Vámossy Zoltán IAR I. Osztályozás, egyszerű mintáké (Classification of simple patterns) n Minden mintát megvizsgálva, azt önálló egységnek tekintve, a többi mintától függetlenül besorolunk valamely  k osztályba (véges sok!), ahol elutasított elemek osztálya n Pl.: OCR A, a, A, A

Vámossy Zoltán IAR Minta osztályozás (pattern classification) n Hányadik, melyik osztályba tartozik? n Pl.: A – Z karakterek és nem felismerteknek egy- egy osztály

Vámossy Zoltán IAR Egyszerű minta (simple pattern) n Egy mintát egyszerűnek tekintünk, ha a felhasználó csak az osztály neve iránt érdeklődik és az osztály elemeit azonosnak tekintik n Pl.. “1”-esek (1, 1, 1) – ami közös bennük az a fontos n Pl.: Szatellit kép: erdő, utca, város, víz

Vámossy Zoltán IAR II. Minta analízis (pattern analysis) n Komplex (nem egyszerű) minták elemzésekor minden mintához hozzárendelünk egy szimbolikus leírást: B r Pl.: áramköri rajzon az elemek és a kapcsolatuk

Vámossy Zoltán IAR Analízis céljai n A minta teljes szimbolikus leírása (* lásd köv.) egy adott absztrakciós szinten. n Bizonyos a felhasználót érdeklő események vagy tárgyak listája, amelyek a mintában előfordulhatnak. (pl.: van-e ember?) n A változások leírása amelyek a minta ismétlődő regisztrálásakor felléphetnek. (pl.: biztonsági rendszer) n Komplex minta klasszifikálása. (pl.: RTG egészséges, vagy sem)

Vámossy Zoltán IAR Leírás (description) n Egy minta leírása a minta egyszerűbb alkotórészekre (pattern primitives = segmentation objects) való felbontását jelenti, az alkotórészek kapcsolataival, a tárgyak, események vagy szituációk szimbolikus névvel való azonosításával.

Vámossy Zoltán IAR Teljes szimbolikus leírás n A mintát egy másik reprezentációban adja meg, amely további feldolgozásra alkalmassá teszi. (Csökkenti az információ mennyiségét és a bizonyos szempontból hangsúlyoz).

Vámossy Zoltán IAR III. Megértés (Understanding) n (nem pszichológiai, nem filozófiai) Ha egy gép képes az alkalmas szenzor által szolgáltatott mintát a feladat tartományt reprezentáló belső szimbolikus tudásstruktúrára leképezni, akkor azt mondjuk, hogy a gép megérti a mintát.

Vámossy Zoltán IAR Összefoglalás, 3 fő irány n Felismerés – osztályozás n Analízis – jellemzők kapcsolata n Megértés – mi a cél? Miért?

Vámossy Zoltán IAR Axiómák, posztulátumok n Egy feladat tartományról információt akkor gyűjthetünk, ha típusú reprezentatív minták halmaza áll rendelkezésre (sok és jó minta: pl. milyen a szép “1”) n Az egyszerű mintáknak olyan tulajdonságai vannak, melyek az osztályhoz tartozását eldöntik. Egy ilyen tulajdonság neve: feature. n Egy osztályhoz tartozó minták tulajdonságai, a tulajdonságok terében hasonlítanak egymásra. Különböző osztályok a tulajdonságok alapján szétválaszthatóak (létezik mérték). (Klasszifikációs rendszer sémája) n Egy komplex minta egyszerűbb alkotó részekből (pattern primitives) áll, amelyek egymással kapcsolatban vannak. A minta ezen alkotórészekre felbontható. E folyamat a szegmentálás. n A feladattartomány egy komplex mintája struktúrával rendelkezik (nem csak egyszerű halmaza az alkotórészeknek). A minták többsége relatíve kevés alkotórésszel reprezentálható. n Két reprezentáció hasonló, ha távolságuk egy alkalmas metrika szerint kicsi.