УДК: 621.391

Теоретико-информационный подход к введению обратных связей в многоуровневых системах машинного зрения

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Потапов А.С. Теоретико-информационный подход к введению обратных связей в многоуровневых системах машинного зрения // Оптический журнал. 2007. Т. 74. № 10. С. 59–65.

Potapov A.S. Theoretico-informational approach to the introduction of feedback into multilevel machine-vision systems [in Russian] // Opticheskii Zhurnal. 2007. V. 74. № 10. P. 59–65.

Ссылка на англоязычную версию:

A. S. Potapov, "Theoretico-informational approach to the introduction of feedback into multilevel machine-vision systems," Journal of Optical Technology. 74 (10), 694-699 (2007). https://doi.org/10.1364/JOT.74.000694

Аннотация:

Рассмотрена проблема введения обратных связей в многоуровневых системах машинного зрения. На основе теоретико-информационного анализа показано, что необходимость обратных связей в таких системах обусловлена тем, что на разных уровнях оптимизируются отдельные компоненты общего для всей системы критерия качества. При этом принятие решений на ранних этапах анализа осуществляется при использовании только части компонентов этого критерия, что приводит к неоптимальности этих решений. Предложен подход к введению обратных связей как средства достижения глобального оптимума информационного критерия качества путем итеративного улучшения решения. На основе полученных результатов обосновывается недостаточность.

Коды OCIS: 150.0150, 3000.32960

Список источников:

1. Rares A., Reinders M.J.T., Hendriks E.A. Image Interpretation Systems // Technical Report (MCCWS 2.1.1.3.C). TU Delft. 1999. 32 p.

2. Gove A., Grossberg S., Mingolla E. Brightness perception, illusory contours, and corticogeniculate feedback // Visual Neuroscience. 1995. V. 12. P. 1027-1052.

3. Liedtke C.-E., Grau O., Growe S. Use of explicit knowledge for the reconstruction of 3-D object geometry // Int. Conf. on Computer Analysis of Images and Patterns. 1995. P. 580-587.

4. Козлов Ю.М. Адаптация и обучение в робототехнике. М.: Наука. Гл. ред. физ.-мат. лит., 1990. 248 с.

5. Потапов А.С. Распознавание образов и машинное восприятие. Общий подход на основе принципа минимальной длины описания: СПб., Политехника, 2007. 548 с.

6. Grossberg S. Adaptive pattern classification and universal recoding. I: Parallel development and coding of neural feature detectors & II: Feedback, expectation, olfaction, and illusions // Biological Cybernetics. 1976. V. 23. P. 121-134, 187-202.

7. Grossberg S. Adaptive resonance theory // Technical Report CAS/CNS TR-2000-024. In The encyclopedia of cognitive science. London: Macmillan Reference Ltd., 2003.

8. Kopparapu S.K., Desai U.B. Bayesian Approach to Image Interpretation // The Springer International Series in Engineering and Computer Science. 2001. V. 616. 127 р.

9. Li M., Vitanyi P. Philosophical Issues in Kolmogorov complexity // Proc. ICALP'92 (invited lecture). 1992. P. 1-15.