Первая в мире система категоризации типовых электронных изображений
Ученые европейского научно-исследовательского центра компании Xerox разработали новую эффективную систему, которая может распознавать цифровые изображения типовых объектов и относить их к определенным категориям. Новая система повысит эффективность управления сохраненными электронными изображениями, а также значительно расширит возможности поиска в Интернете, осуществляемого в настоящее время только на основе текста.
Ученые Xerox разработали систему идентификации изображений широкого спектра, позволяющую отнести типовые изображения, такие, например, как изображения людей, зданий, животных, самолетов и книг к определенным категориям. Это первая подобная система, характеризующаяся высокой надежностью, быстродействием и простотой использования.
Эта технология является результатом фундаментальных исследований и многолетней научной работы в области обработки изображений, компьютерном распознавании образов и обучении компьютеров. Категоризация изображений аналогична текстовой категоризации, в которой используется контекстная идентификация по ключевым словам. По технологии Xerox категоризация объекта проводится по его ключевым признакам, так называемым “пэтчам” (patch). Она предусматривает обучение компьютера распознаванию пэтчей, и затем классификации их по группам. То есть новая система относит распознанное изображение к определенной категории или категориям.
По словам Данса, ученым пришлось столкнуться с некоторыми проблемами. Системы более ранних версий могли перепутать изображения с набором одинаковых пэтчей, например, изображения комплекта шин и автомобиля. В современной версии программы эта проблема решена - система анализирует ключевые пэтчи и сопоставляет их другими областями изображения. В этом случае, программа не перепутает комплект шин с автомобилем, так как будут идентифицированы другие ключевые пэтчи автомобиля, например, фары и окна.
По словам г-на Данса, помимо разработки данного программного обеспечения для различных приложений, Xerox продолжит работу над расширением возможностей категоризации системы с тем, чтобы она могла обрабатывать больше визуальных категорий и работала более надежно в сложных случаях, когда интересующий объект составляет лишь небольшую часть области наблюдения.
Ученые Xerox разработали систему идентификации изображений широкого спектра, позволяющую отнести типовые изображения, такие, например, как изображения людей, зданий, животных, самолетов и книг к определенным категориям. Это первая подобная система, характеризующаяся высокой надежностью, быстродействием и простотой использования.
Эта технология является результатом фундаментальных исследований и многолетней научной работы в области обработки изображений, компьютерном распознавании образов и обучении компьютеров. Категоризация изображений аналогична текстовой категоризации, в которой используется контекстная идентификация по ключевым словам. По технологии Xerox категоризация объекта проводится по его ключевым признакам, так называемым “пэтчам” (patch). Она предусматривает обучение компьютера распознаванию пэтчей, и затем классификации их по группам. То есть новая система относит распознанное изображение к определенной категории или категориям.
По словам Данса, ученым пришлось столкнуться с некоторыми проблемами. Системы более ранних версий могли перепутать изображения с набором одинаковых пэтчей, например, изображения комплекта шин и автомобиля. В современной версии программы эта проблема решена - система анализирует ключевые пэтчи и сопоставляет их другими областями изображения. В этом случае, программа не перепутает комплект шин с автомобилем, так как будут идентифицированы другие ключевые пэтчи автомобиля, например, фары и окна.
По словам г-на Данса, помимо разработки данного программного обеспечения для различных приложений, Xerox продолжит работу над расширением возможностей категоризации системы с тем, чтобы она могла обрабатывать больше визуальных категорий и работала более надежно в сложных случаях, когда интересующий объект составляет лишь небольшую часть области наблюдения.
