Участник:Pushnyakov Alexey
Материал из MachineLearning.
(→Весна 2013, 6-й семестр) |
(→Весна 2013, 6-й семестр) |
||
| Строка 19: | Строка 19: | ||
'''Публикации''' | '''Публикации''' | ||
| - | ''А.С.Пушняков'' [http://svn.code.sf.net/p/mlalgorithms/code/Pushnyakov2013SpectrumImage/doc/Pushnyakov2013SpectrumImage.pdf Использование спектрального преобразования для распознавания напечатанного изображения] // Machinelearning.ru, 2013. | + | ''А.С.Пушняков'' [http://svn.code.sf.net/p/mlalgorithms/code/Group074Spring2013/Pushnyakov2013SpectrumImage/doc/Pushnyakov2013SpectrumImage.pdf Использование спектрального преобразования для распознавания напечатанного изображения] // Machinelearning.ru, 2013. |
=== Осень 2013, 7-й семестр === | === Осень 2013, 7-й семестр === | ||
Версия 18:24, 27 декабря 2013
Пушняков Алексей Сергеевич
МФТИ, ФУПМ, 074
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
aleksey.pushnyakov@phystech.edu
Отчеты о научно-исследовательской работе
Весна 2013, 6-й семестр
Использование спектрального преобразования для распознавания напечатанного изображения
В работе решается задача классификации двух типов изображений глаз: реального и напечатанного. На основании того, что напечатанное изображение, в отличие от реального, содержит периодическую структуру зёрен печати, предлагается использовать спектральное преобразование, выделяющее соответствующую гармонику. Рассматривается зависимость энергии от частоты фурье-спектра, и по ней строится пространство признаков. Задача классификации решается с помощью метрического классификатора.
Публикации
А.С.Пушняков Использование спектрального преобразования для распознавания напечатанного изображения // Machinelearning.ru, 2013.
Осень 2013, 7-й семестр
Сегментация цветных изображений
В работе решается задача сегментации цветного изображения. Для приближения распре- деления пикселов по цветам используется модель смеси нормальных распределений. Раз- деление смеси производится EM алгоритмом с последовательным добавлением компонент. Кластеризация выполняется согласно принципу максимума правдоподобия. Качество сег- ментации оценивается по величине искажения исходного изображения.
Публикации
А.С.Пушняков Сегментация цветных изображений: технический отчет // Вычислительный сервер журнала "Машинное обучение и анализ данных" mvr.jmlda.org, опубликовано 04.12.2013.
