Multischwarm-Optimierungsmethode für die Klassifizierung von Bildern

Die maschinelle Erkennung von Stand- und Videobildern durch den Menschen ist zu einem sehr wichtigen und energischen Forschungsgebiet in den Bereichen Bildverarbeitung, Mustererkennung, neuronale Netze und Computer Vision geworden. Die Bilderkennung ist eine der außergewöhnlichsten Fähigkeiten des menschlichen Sehens. Der Kern und zentrale Teil der Bildforschung ist die Klassifizierung und Extraktion. Obwohl die Bilderkennung durch Menschen und Computer entwickelt wurde, ist es immer noch eine Herausforderung, ein automatisches System für eine bestimmte Aufgabe zu entwickeln. Der Grund dafür ist, dass die Beleuchtung, der komplexe Hintergrund, der Blickwinkel und die Ausprägung der Variationen bei Bildern in der realen Welt sehr unterschiedlich sind. Für die Bilderkennung wurden verschiedene Techniken vorgeschlagen, darunter Graphmatching, neuronale Netze und geometrische Merkmale. Obwohl Forscher aus den Bereichen Psychologie, Neuronale Wissenschaften, Ingenieurwesen, Bildverarbeitung und Computer Vision eine Reihe von Fragen im Zusammenhang mit der Bilderkennung durch Menschen und Maschinen untersucht haben, besteht immer noch die Notwendigkeit, ein automatisches System für diese Aufgabe zu entwickeln, insbesondere wenn eine Identifizierung in Echtzeit erforderlich ist.

Autorentext

Dr G. Shyama Chandra Prasad - B.Tech. (CSE), M.Tech.(CS), Ph.D. Professeur associé, travaille comme professeur associé au Matrusri Engineering College, Hyderabad, Inde. Il a occupé plusieurs postes académiques et administratifs, dont celui de chef de département, responsable des ressources informatiques, responsable de la branche des examens.