Методики автоматичного розпізнавання складних об’єктів за формою

Abstract

У статті розглядаються підходи до розпізнавання з наступною класифікацією дрібних об’єктів за такими ознаками, як коефіцієнт еліптичності та коефіцієнт складності форми. Виділивши ознаки та їх комбінації для ідентифікації подібних об'єктів, можна натренувати модель машинного навчання на розпізнавання необхідних типів закономірностей. Проведене порівняння методик вимірювання площ проекцій об’єктів, форма яких є близькою до прямокутної, об’єктів круглої форми, та об’єктів, які представляють собою довгу витягнуту фігуру складної форми. Зроблено оцінку точності вимірювання площі та периметрів складних фігур, визначені похибки вибраних значень радіусів малих об’єктів залежно від кроку квантування. Розглянута можливість розпізнавання об’єктів з використанням традиційних методів обробки зображень або сучасних мереж глибокого навчання: відкритої бібліотеки для роботи з алгоритмами комп’ютерного зору, машинним навчанням та обробкой зображень OpenCV, найновіших моделей розпізнавання SSD, R-FCN, Faster R-CNN, Mask R-CNN та YOLO, в архітектурі яких можна побачити багато покращень та досягнень у методологіях виявлення об'єктів.