A two-phase connectionist approach to invariant picture interpretation

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο

A two-phase connectionist approach to invariant picture interpretation (EN)

Kollias, S (EN)
Kontoravdis, D (EN)
Stafylopatis, A (EN)

N/A (EN)

The paper presents an efficient two-phase approach to picture interpretation based on original connectionist techniques. During the first phase invariant representations of individual objects are obtained based on third-order image correlations and appropriate neural network classifiers are used to provide a probabilistic assignment of labels to objects. The second phase uses relationships between objects to reduce or eliminate ambiguity by means of a relaxation scheme based on stochastic learning automata. Both phases are particularly suited to parallel implementation. Simulation experiments revealed the effectiveness of our approach in solving several problems of small and medium sizes. (EN)


Invariant picture representation (EN)
Computer vision (EN)
Learning Automata (EN)
Two phase connectionist techniques (EN)
Computer simulation (EN)
Correlation theory (EN)
Relaxation Scheme (EN)
Individual Object (EN)
Random processes (EN)
Neural network classifiers (EN)
Third order image correlations (EN)
Object recognition (EN)
Simulation Experiment (EN)
Learning systems (EN)
Parallel processing systems (EN)
Relaxation processes (EN)
Image analysis (EN)
Neural Network Classifier (EN)
Parallel Implementation (EN)
Neural networks (EN)
Automata theory (EN)
Stochastic learning automata (EN)
Probabilistic assignment (EN)

Εθνικό Μετσόβιο Πολυτεχνείο (EL)
National Technical University of Athens (EN)

Mathematics and Computers in Simulation (EN)



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.