مرجع
آخر الزيارات

التجزئة الهندسية

751 كلمة•0 مشاهدة•🗒️ منذ يومين
باختصار: في علوم الحاسوب، تعد التجزئة الهندسية طريقة فعالة لإيجاد كائنات ثنائية الأبعاد ممثلة بنقاط منفصلة خضعت لعملية تحويل تآلفي، على الرغم من وجود امتدادات لتمثيلات وتحولات الكائنات الأخرى. تجد هنا «مرحلة التدريب»، «مثال» و«مرحلة الاعتراف» ضمن 6 أقسام.
المحتويات
  1. مرحلة التدريب
  2. مثال
  3. مرحلة الاعتراف
  4. التجزئة الهندسية بأبعاد أعلى
  5. التجزئة الهندسية في الرؤية الحاسوبية
  6. البحث عن نمط معكوس

تعريفًا بالموضوع، في علوم الحاسوب، تعد التجزئة الهندسية طريقة فعالة لإيجاد كائنات ثنائية الأبعاد ممثلة بنقاط منفصلة خضعت لعملية تحويل تآلفي، على الرغم من وجود امتدادات لتمثيلات وتحولات الكائنات الأخرى. في خطوة خارج الخط، يتم تشفير الكائنات عن طريق معالجة كل زوج من النقاط كاساس هندسي. يمكن تمثيل النقاط المتبقية بطريقة ثابتة فيما يتعلق بهذا الأساس باستخدام عامل متغير في التجزئة. لكل نقطة، يتم تخزين إحداثياتها المحولة الكمية في جدول التجزئة كمفتاح، ومؤشرات نقاط الأساس كقيمة. ثم يتم تحديد زوج جديد من النقاط الأساسية، وتتكرر العملية من جديد. في خطوة التعرف عبر الإنترنت، يتم اعتبار أزواج نقاط البيانات المختارة عشوائيًا كقواعد مرشحة. لكل أساس مرشح، يتم ترميز نقاط البيانات المتبقية بحسب الأساس ويتم العثور على المراسلات المحتملة من الكائن في الجدول الذي تم إنشاؤه مسبقًا. يتم قبول أساس المرشح إذا كان عدد كبير بما فيه الكفاية من نقاط البيانات مؤشرًا على أساس كائن ثابت. ونتناول فيما يلي مزيدًا من التفاصيل.

علاوةً على ذلك، تم اقتراح التجزئة الهندسية في الأصل في الرؤية الحاسوبية للتعرف على الأشياء ثنائية وثلاثية الأبعاد، ولكن تم تطبيقها لاحقًا على مشاكل مختلفة مثل التراصف البنيوي للبروتينات.

مرحلة التدريب

من جهة ثانية، لا يمكن أن تحتوي أغلب جداول التجزئة على مفاتيح متطابقة يتم تعيينها لقيم مختلفة. لذلك في الحياة الواقعية، لن يقوم المرء بتشفير المفاتيح الأساسية (1.0، 0.0) و (-1.0، 0.0) في جدول التجزئة.

من جهة ثانية، قم بتخزين الأساس في جدول تجزئة مفهرس بواسطة الميزات (فقط الإحداثيات المحولة في هذه الحالة). إذا كان هناك المزيد من العناصر المراد مطابقتها، فيجب علينا كذلك تخزين رقم الكائن جنبًا إلى جنب مع زوج الأساس.

في هذا الإطار، كرر العملية مع زوج أساسي مختلف (الخطوة 2). هناك حاجة للتعامل مع انسداد. من الناحية المثالية، يجب تعداد جميع الأزواج غير القولونية. نوفر جدول التجزئة بعد تكرارين، يتم تحديد الزوج (P1، P3) للنوع الثاني.

إضافةً إلى ذلك، وصف مواقع الميزات فيما يتعلق بهذا الأساس، أي حساب الإسقاطات لمحاور الإحداثيات الجديدة. يجب تحديد الإحداثيات لجعل التعرف قويًا على الضوضاء، فنحن نأخذ حجم الحاوية 0.25. وبذلك نحصل على الإحداثيات

كذلك، قدم أساسًا لوصف مواقع النقاط المميزة. بالنسبة للفضاء ثنائي الأبعاد وتحويل التشابه، يتم تحديد الأساس بزوج من النقاط. يتم وضع نقطة الأصل في منتصف المقطع الذي يربط بين النقطتين (P2، P4 في مثالنا)، يتم توجيه محور نحو إحداها، متعامد ويمر من خلال الأصل. يتم تحديد المقياس بحيث تكون القيمة المطلقة ل' ' لكلا نقطتي الأساس هي 1.

من جانب آخر، أوجد النقاط المميزة للنموذج. افترض أنه تم العثور على 5 نقاط مميزة في صورة النموذج بالإحداثيات , انظر للصورة.

جدول التجزئة:

مثال

وفي السياق ذاته، للتبسيط، لن يستعمل هذا المثال الكثير من ميزات النقاط ويفترض أن واصفاتها يتم تقديمها من خلال إحداثياتها فقط (في الممارسة العملية، يمكن استخدام الواصفات المحلية مثل SIFT للفهرسة).

مرحلة الاعتراف

وعلى صعيد آخر، قارن جميع ميزات النقطة المحولة في صورة الإدخال بجدول التجزئة. إذا كانت ميزات النقطة متطابقة أو متشابهة، فقم بزيادة العدد للأساس المقابل (ونوع الكائن، إن وجد).

وفي هذا السياق، لكل أساس يتجاوز العد حدًا معينًا، تحقق من الفرضية التي تتوافق مع أساس الصورة المختار في الخطوة 2. انقل نظام إحداثيات الصورة إلى النموذج الأول (للكائن المفترض) وحاول مطابقته. إذا نجحت، تم العثور على الكائن. بخلاف ذلك، ارجع إلى الخطوة 2.

ابحث عن نقاط مميزة مثيرة للاهتمام في صورة الإدخال.

في هذا الإطار، صف إحداثيات النقاط المميزة في الأساس الجديد. حدد الإحداثيات التي تم الحصول عليها كما تم من قبل.

في هذا الإطار، اختر أساسًا تعسفيًا. إذا لم يكن هناك أساس تعسفي مناسب، فمن المحتمل أن صورة الإدخال لا تحتوي على الكائن الهدف.

التجزئة الهندسية بأبعاد أعلى

التجزئة الحسية

انظر كذلك

من جانب آخر، على غرار المثال أعلاه، ينطبق التجزئة على البيانات ذات الأبعاد الأعلى. بالنسبة لنقاط البيانات ثلاثية الأبعاد، هناك حاجة كذلك إلى ثلاث نقاط للأساس. تحدد النقطتان الأوليان المحور x، والنقطة الثالثة تحدد المحور y (مع النقطة الأولى). المحور z عمودي على المحور الذي تم إنشاؤه باستخدام قاعدة اليد اليمنى. لاحظ أن ترتيب النقاط يؤثر على الأساس الناتج.

التجزئة الهندسية في الرؤية الحاسوبية

كذلك، التجزئة الهندسية هي طريقة مستعملة للتعرف على الأشياء. لنفترض أننا نريد التحقق مما إذا كان يمكن رؤية صورة نموذج في صورة إدخال. يمكن تحقيق ذلك باستخدام التجزئة الهندسية. يمكن استخدام الطريقة للتعرف على أحد الكائنات المتعددة في القاعدة، وفي هذه الحالة يجب أن يخزن جدول التجزئة ليس فقط معلومات الوضع ولكن كذلك فهرس نموذج الكائن في القاعدة.

البحث عن نمط معكوس

إضافةً إلى ذلك، يبدو أن هذه الطريقة قادرة فقط على التعامل مع القياس والترجمة والتناوب. ومع ذلك، قد تحتوي صورة الإدخال على الكائن في تحويل المرآة. لذلك، يجب أن يكون التجزئة الهندسي قادرًا على العثور على الكائن كذلك. هناك طريقتان لاكتشاف الالنقاط المعكوسة.

كذلك، للرسم البياني المتجه، اجعل الجانب الأيسر موجبًا، والجانب الأيمن سالبًا. ضرب موضع x في -1 سيعطي نفس النتيجة.

إضافةً إلى ذلك، استعمل 3 نقاط للأساس. هذا يسمح باكتشاف الصور المتطابقة (أو الأشياء). في الواقع، يعد استخدام 3 نقاط للأساس طريقة أخرى للتجزئة الهندسية.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.