A Selective attention based method for recognition of optical handwritten digits
Seçici dikkat temelli bir elle yazılmış rakam tanıma yöntemi
- Tez No: 95449
- Danışmanlar: DOÇ. DR. ETHEM ALPAYDIN, DOÇ. DR. LALE AKARUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü tanıma, Markov modeli, Yapay sinir ağları, Image recognition, Markov model, Artificial neural networks
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET SEÇİCİ DİKKAT TEMELLİ BİR ELLE YAZILMIŞ RAKAM TANIMA YÖNTEMİ Primatların görsel mekanizması görüntü tanımada yüksek performans sağlayan karmaşık bir sistemdir. Primatlar görüntünün tamamını bir anda algılamak yerine görüntünün daha çok bilgi içeren yerlerini seçerek sırayla buralara bakarlar. Bir mühendislik problemi olarak incelendiğinde, paralel örüntü tanıma çok fazla kaynağa ihtiyaç duyduğundan, seri tanıma daha verimlidir. Bu çalışmada örüntü tanıma için seçici dikkate dayalı seri bir model öneriyoruz. Seçici dikkat iki aşamalı bir sistemdir. Basit seviyede bileşenlerden oluşan bi rinci aşama görüntünün tamamından düşük çözünürlükte öznitelikler çıkartır. Yüksek çözünürlüğe sahip fovea dikkate değer bulunan noktalardan daha fazla bilgi toplaya bilmek için yönlendirilir. Birinci aşamayı bir ilginçlik haritası ile, daha karmaşık ikinci aşama ve zaman içindeki sıralı birleştirmeyi ise Markov modelleri ile benzetiyoruz. Kurduğumuz iki aşamalı modeli elle yazılmış sayıları tanıma problemi ile deniyoruz. İlginçlik haritası görüntüden öznitelikler çıkartır. Foveadan alınan yer ve içerik bilgisini Markov modelleriyle birleştirerek tanıma problemini zaman içinde sıralı hale getiriyoruz. İki aşama arasında bölgesel uzman sistemler kullanarak birinci aşamadan gelen bilgiyi düzenliyor ve ikinci aşamanın tanıma işlemini kolaylaştırıyoruz. Birinci aşama için değişik ilginçlik haritalarını, uzman sistemler için basit ve çok katmanlı yapay sinir ağlarını, ikinci aşama içinse görünür ve saklı Markov modellerini karşılaştırıyoruz. Ayrıca baktığımız noktaların sayısını örüntünün zorluğuna göre be lirlemek için bir dinamik fovea benzetiyoruz. Sonuçlarımız bu yöntemin daha karmaşık örüntü tanıma problemlerine uygulanabilirliğini gösterir niteliktedir.
Özet (Çeviri)
IV ABSTRACT A SELECTIVE ATTENTION BASED METHOD FOR RECOGNITION OF OPTICAL HANDWRITTEN DIGITS Primates have a very complex and efficient system for visual recognition. Primates do not absorb the whole information content of the visual field at once, but selectively and serially attend to locations that contain high information. Since parallel recognition requires great computational resources, doing serial recognition is interesting from an engineering point of view. In this work, we propose a serial recognition model for pattern recognition that is based on selective attention. The selective attention mechanism operates at two levels. The primitive, bottom-up attentive level extracts low-resolution features over the whole visual field. The high- resolution fovea is directed around the visual field to gather more information about spots of interest. We simulate the attentive level with a saliency scheme, and the more complex, top-down, temporally sequential associative level with Markov models. We test our model on a well-studied handwritten numeral recognition problem. The saliency scheme extracts features like oriented lines from a downsampled image. We simulate the movement of the fovea by passing a window over the image, and extract location and content information that are combined with the Markov model. We use local experts between the two levels of processing to sort out the output of the attentive level and to help the associative level in classification. We compare different saliency schemes in the attentive level, linear vs. multi-layer perceptrons for the local experts, and hidden vs. observable Markov models in the associative level. We simulate a dynamic fovea to control the number of attended spots for classification. Our results show that this model can be applied to more demanding pattern recognition tasks.
Benzer Tezler
- Zihinsel ağırlıklı işler için bilişsel görev analizi yöntemi
Başlık çevirisi yok
NİLGÜN YAPICIOĞLU FIĞLALI
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET F. ÖZOK
- Ticari banka yönetimi ve Türk ticari bankalarının temel yönetim sorunları
The management of the commercial bank and the basic problems of the Turkish comercial bank
AYŞE ÇİĞDEM ÖNAL
- Öneri sistemleri ve grup çalışma yazılımı kullanılarak yapılan bir uygulama
Başlık çevirisi yok
MURAT BİRCANER
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN FIĞLALI
- Dalgacık dönüşümü ve yapay sinir ağı kullanarak doku tanıma
Pattern recognition by using wavelet transform and artificial neural network
A.SAMET HAŞİLOĞLU
Doktora
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN GÖK