Combining various image classification methods of increasing recognition quality

Abstract

В этой работе показано влияние контекстной информации на принятие решений при классификации в задачах распознавания изображений. Продемонстрирована структура, объединяющая метод опорных векторов и марковское случайное поле путём включения контекстной информации в ядро метода опорных векторов. Предложены различные схемы соседей для анализа контекста. Реализована модель предложенной структуры вместе с разными настраиваемыми схемами соседей на языке Python. В качестве набора данных использованы изображения поверхности Луны. Результаты классического метода опорных векторов и различных версий модифицированного метода сравнены.

This paper shows the influence of contextual information on decision making in classification in image recognition problems. A structure is demonstrated that combines a support vector machine and a Markov random field by including contextual information in the kernel of the support vector machine. Various neighbor schemes are proposed for context analysis. The proposed structure model is implemented along with various custom neighbor schemas in Python. Images of the lunar surface are used as a dataset. The results of the classical support vector machine and different versions of the modified method are compared.