Математические модели социально-экономических процессов
Динамические системы
Управление рисками и безопасностью
Оптимизация, идентификация, теория игр
Обработка и анализ изображений и сигналов
Интеллектуальный анализ данных и распознавание образов
В. В. Арлазаров, К. Б. Булатов, С. М. Карпенко "Метод определения надежности распознавания в задаче распознавания тисненых символов"
В. В. Арлазаров, К. Б. Булатов, С. М. Карпенко "Метод определения надежности распознавания в задаче распознавания тисненых символов"

Аннотация.

В данной статье описывается метод построения функции надежности распознавания изображений тисненых символов по полученным значениям вектора альтернатив классификатора (к примеру, нейронной сети). На основе этой функции строится правило отбраковки, эффективно классифицирующее результаты распознавания на надежные и не надежные. Оценки эффективности правила отбраковки проводится путем оценки суммарной стоимости ошибок отбраковки. В работе показано, что правило отбраковки, построенное описанным методом, является более эффективным, чем традиционные методы, основанные на оценке надежности распознавания по значениям максимальных альтернатив.

Ключевые слова:

распознавание символов, надежность распознавания, машинное обучение.

Стр. 117 - 122.

V. V. Arlazarov, K. B. Bulatov, S. M. Karpenko

"Recognition confidence determining method for embossed symbol recognition problem"

Abstract. This article describes a method  for determining confidence function for embossed symbol recognition problem, given the alternatives vector from some classifier (for example, artificial neural network). Based on this  confidence  function, a  rejecting  rule  is  constructed,  which efficiently  classifies  recognition  results to certain and uncertain ones. Efficiently rating of this rejecting  rule  is  performed by estimating  total cost  of rejecting errors. It is shown in this article, that the rejecting rule constructed in this article is more efficient that traditional  methods,  based  on recognition  confidence estimation, regarding maximal alternatives values.

Keywords: symbol recognition, recognition confidence, machine learning.

Полная версия статьи в формате pdf. 

2019-69-1
2018-68-4
2018-S1
2018-68-3

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".