Проект Ident Smart Studio. Мультимедиа-материалы
Описание проекта
Модули системы
Интеллектуальная собственность
Партнеры
Скачать
Мультимедиа материалы
FAQ
Поддержка
Мультимедиа-материалы

Обработка снимка в стандартном положении (Normal Quality)

Пример демонстрирует обработку графического образа в стандартном положении, как хранится эталон в информационной базе.




Адаптация к трансформированному образу (Normal Quality)

Источником для распознавания является загруженная 3D-модель. Модель загружается в горизонтальной трансформации относительно эталона в информационной базе. Система адаптируется к эталону при помощи аффинных преобразований.




Обработка сложных изображений (Normal Quality)

Пример демонстрирует способность системы обрабатывать и распознавать сложные изображения (фон неоднотонный). Загружается фотография человека, происходит выделение краев, затем запускается механизм распознавания.




Совместная работа с графическим модулем (Normal Quality)

Пример иллюстрирует использование базового ядра с графическим модулем. Загружается фотография человека, запускается сегментация по цвету кожи, выделение краев и механизм распознавания образов.




Групповое распознавание (Normal Quality)

Пример демонстрирует использование методики обнаружения нескольких объектов на изображении. Происходит поиск нескольких образов (отдельных или групп), происходит выбор объекта для распознавания, производится идентификация при помощи нейросетевого классификатора на базе аффинных преобразований.




Моделирование контуров на базе систем уравнений (Normal Quality)

Пример демонстрирует использование базового ядра с модулем анализа базы знаний. Загружается в систему изображение с шумом, активируется опция шумоподавления, анализируется изображение механизмом распознавания, описывается образ системами линейных уравнений.




Статистический анализ видов информационной базы (Normal Quality)

Проиллюстрирована работа модуля анализа базы знаний. Происходит анализ ключевых характеристик эталонов, хранящихся в информационной базе. В первом эксеперименте анализируется один вид объектов, во втором несколько. Следовательно, среднее квадратическое отклонение имеет большее значение во втором случае.




Анализ изображений с целью поиска однотипных классов на базе обученной схемы знаний

Пример демонстриурует работу модуля определения однотипных объектов на изображении ([ISS] Patern Searcher 1.0), с целью количественного их подсчета. Сначала работает подсистема обучения, на примере negative- и positive-выборки. В результате формируется схема знаний, которая в дальнейшем используется при анализе аэрофотоснимка.