Hahmontunnistus

Kohteesta Wikipedia
Loikkaa: valikkoon, hakuun
Kun kameraan ilmestyy kasvojen ympärille nelikulmio, on kameran hahmontunnistusalgoritmi tunnistanut näkymästä ihmisen kasvot ja merkinnyt ne nelikulmiolla.

Hahmontunnistus (engl. pattern recognition) on koneoppimisen osa-alue, jonka tavoitteena on kehittää datasta malleja tai kaavoja tunnistavia järjestelmiä.[1] Hahmontunnistusta sovelletaan muun muassa tietotekniikassa ja robotiikassa, mutta myös lääketieteessä sekä ihmisen ja koneen vuorovaikutuksen tutkimuksessa.

Käytännön esimerkkejä hahmontunnistuksen sovelluksista ovat esimerkiksi puheen automaattinen tallentaminen tekstiksi, kirjasta skannatun tekstin siirtäminen tekstinkäsittelyohjelmaan, ihmisten kasvojen tunnistaminen tai roskapostien tunnistaminen saapuneiden sähköpostien joukosta.

Hahmontunnistusjärjestelmä[muokkaa | muokkaa wikitekstiä]

Hahmontunnistusjärjestelmä määritellään nelivaiheisena prosessina[1]:

  • mittaus
  • esikäsittely (engl. preprocessing)
  • piirreirrotus (engl. feature extraction)
  • luokittelu (engl. classification)

Ensimmäisessä vaiheessa hankitaan tarvittava data, pääsääntöisesti mittaamalla fyysisiä suureita ja muuntamalla näin saatu analoginen data digitaaliseen muotoon. Toisessa vaiheessa data esikäsitellään, usein erilaisin digitaalisen signaalinkäsittelyn keinoin, kuten suodatus tai pääkomponenttianalyysi. Kolmannessa vaiheessa esikäsitelty mittausdata kuvataan piirreavaruuteen. Tässä vaiheessa datan voidaan tietyssä mielessä katsoa muuttuvan informaatioksi. Neljännessä vaiheessa piirreavaruuteen kuvatut näytteet luokitellaan kahteen tai useampaan luokkaan käyttäen luokitinta.

Hahmontunnistusmentelmien luokittelu[muokkaa | muokkaa wikitekstiä]

Hahmontunnistusmenetelmät voidaan jakaa kolmeen luokkaan, jotka ovat tilastollinen hahmontunnistus, syntaktinen hahmontunnistus ja neuraalinen hahmontunnistus. Näistä tilastollisessa hahmontunnistuksessa oletetaan, että etsittävällä hahmolla on tilastollinen jakauma kussakin luokassa, joihin kyseisen piirteen avulla halutaan luokitella. Syntaktinen hahmontunnistus olettaa vastaavasti, että on olemassa jokin rakenne, jonka perusteella luokittelu voidaan tehdä. Neuraalinen hahmontuunistus on näistä kolmesta menetelmästä uusin ja se on käytännössä epälineaarinen regressiomalli, joka osaa itsenäisesti kaivaa datasta olennaiset piirteet ja muodostaa näiden välille monimutkaisia riippuvuussuhteita. [2]

Lähteet[muokkaa | muokkaa wikitekstiä]

  1. a b Oulun yliopisto: Hahmontunnistus ja neuroverkot Viitattu 7.12.2015.
  2. Lappeenrannan tekninen yliopisto: Hahmontunnistus ja luokittelu Viitattu 7.12.2015.

Aiheesta muualla[muokkaa | muokkaa wikitekstiä]

Tämä tietotekniikkaan liittyvä artikkeli on tynkä. Voit auttaa Wikipediaa laajentamalla artikkelia.