A mintafelismerés (vagy esetenként a mintafelismerés ) olyan technikák és módszerek összessége, amelyek segítségével a számítógép a nyers adatokból azonosítja a mintákat, és így döntést hozhat az adott földhöz rendelt kategóriától függően. A mesterséges intelligencia olyan ágának tekintik, amely széles körben alkalmazza a gépi tanulási technikákat és statisztikákat .
A szó formájában kell érteni egy nagyon általános értelemben, nem csak, hogy a „geometriai forma”, hanem inkább a minták , amely lehet nagyon változatos természetét. Lehet vizuális tartalom (vonalkód, arc, ujjlenyomat stb.) Vagy hang (beszédfelismerés), orvosi képek (röntgen, EEG, MRI stb.) Vagy multispektrális (műholdas képek) és még sok más.
A mintafelismerés különböző gépi tanulási algoritmusok segítségével hajtható végre , például:
A keresett alakok lehetnek geometriai alakzatok, amelyeket matematikai képlettel írhatunk le, például:
Ezek összetettebb természetűek is lehetnek:
A felismerés algoritmusai működhetnek fekete-fehér képeken, a képen objektumok fehér körvonalaival. Ezek a képek élfelismerő algoritmusok eredményei . Dolgozhatnak a kép előre definiált területein is, amelyek a kép szegmentálásából származnak .
Mintafelismerési módszerek:
A minták detektálásának jól ismert algoritmusa, a Hough-transzformáció paraméteres becslési módszer.
Ez a módszer jellemzi az alakot, és kivonja az objektum jellegzetes paramétereit, és összehasonlítja őket osztályozási módszerrel vagy a tanulási bázishoz való illesztéssel. Ezzel a módszerrel lehetetlen több alakzatot kivonni ugyanabból a képből előzetes feldolgozás nélkül.
Ebben a megközelítésben az egyik olyan objektumokat von le, amelyek a Harris-detektorokon keresztül kiemelik a jellemző pontokat, például a pont közelében. Ezekkel a jellemzőkkel több objektum kinyerhető és osztályozón keresztül felismerhető.