CC BY
4
14. Безуглова М.Н., Бородай В.А. Дилемма оптимизации - делать вещи правильно или делать правильные вещи // Социально-экономические аспекты развития современного государства. - Саратов: Академия бизнеса. 2014. С. 15-18.
15. Лозицкая И.С., Бородай В.А. Квадрат влияния как эффективный инструмент управления нематериальными активами компании // Экономика и социум. 2016. № 2 (21). С. 1266-1269.
16. Бородай В.А. Синдром профессионального выгорания // Экономика и социум. 2016. № 2 (21). С. 1204-1209.
17. Бородай В.А. Проектирование и управление взаимоотношениями персонала и бизнеса работодателя // Подводя итоги года. Вопросы политологии, социологии, философии, истории, экономики. - Саратов: Академия бизнеса. 2016. С. 36-40.
УДК 004.4
Дегтярев Ю.С. студент магистратуры 1 курса факультет Элитного образования и магистратуры
Комов А.А. студент магистратуры 1 курса факультет Элитного образования и магистратуры
Владимирова Н.В., к.филол.н. научный руководитель, доцент кафедра «Философия и социальные коммуникации» Омский государственный технический университет
Россия, г. Омск
ГЛОБАЛИЗАЦИЯ И ПРОБЛЕМЫ ИНТЕРПРЕТАЦИИ ВИЗУАЛЬНЫХ
ТЕКСТОВ
Аннотация:
В статье рассматривается влияние глобализации на компьютеризацию жизнедеятельности человека, в частности. на сферу компьютерного зрения. Мышление современного человека трансформировалось из текстового в графическое. В связи с этим становится актуальным изучение проблем, связанных с интерпретацией визуальных текстов, которые получили широкое распространение в настоящее время. Понимание пользователем процесса интерпретации визуальных текстов, а также того, что является результатом этого процесса, поможет решить многие культурные проблемы пользователя.
Данная статья подготовлена в рамках дисциплины «Основы мировоззренческой безопасности».
Ключевые слова: глобализация, визуальный текст, интерпретация, графическое мышление, компьютерное зрение, нейронная сеть, сегментация изображения.
Degtyarev Y.S. student master
1 course, The faculty of elite education and magistracy
Omsk State Technical University
Russia, Omsk Komov A.A. student master
1 course, The faculty of elite education and magistracy
Omsk State Technical University
Russia, Omsk Scientific advisor: Vladimirova N. V.
Candidate of Philological Sciences, Docent GLOBALIZATION AND PROBLEMS OF VISUAL TEXTS INTERPRETATION
Abstract:
The article considers the influence of globalization on computerization of human activity, particularly on the sphere of computer vision. The mind of the modern man has been transformed from textual to graphical. In this regard, studying the problems connected with interpretation of visual texts that are widespread nowadays is of current interest. Users' understanding of the process of visual texts interpretation and the results of the process will help them to solve a lot of cultural problems.
This article was prepared as part of the discipline "bases of ideological security".
Keywords: globalization, visual text, interpretation, graphic thinking, computer vision, neural network, image segmentation.
Информационно-коммуникационные процессы глобализации в современном мире оказывают большое влияние на компьютеризацию жизнедеятельности человека, в частности, на сферу компьютерного зрения, которое является одним из самых актуальных методов автоматизации процессов с использованием компьютерных технологий и робототехники.
В то же время глобализация обусловила процесс технологизации окружающей среды. Это отразилось на современном человеке: изменилось само его мышление. Оно сместилось в сторону визуального восприятия информации благодаря тому, что в настоящее время визуальная реальность активно заменяет текстовую. Текстовое мышление трансформировалось в графическое мышление.
Графическое мышление действует по совершенно другим законам. Его цель - изобразить естественным способом сложные системы. Оно позволяет быстро и наглядно достичь понимания необходимой информации.
В настоящее время одной из важных задач компьютерного зрения является интерпретация визуальных текстов, которая может применяться в самых разных сферах жизнедеятельности человека. В связи с этим повышение компетенции пользователей в вопросах компьютерной
интерпретации визуальных текстов становится актуальной задачей. Понимание пользователем того, как устроен процесс обучения машины для интерпретации визуальных текстов, а также того, что является результатом интерпретации, повысит общую компетенцию пользователя в данной сфере, поможет разрешить многие конфликтные ситуации при взаимодействии пользователя (часто выступающего в роли заказчика) и исполнителя (выступающего в роли дизайнера или разработчика систем интерпретации визуальных текстов).
Процесс восприятия информации невозможен без визуализации. Как правило, человеческий мозг воспринимает больше информации через зрение, чем через все остальные внешние чувства вместе взятые [1]. Не так давно определение «визуализация» трактовалось как «этапы построения визуального изображения в сознании человека» [2]. На данный момент этот термин изменился, и чаще под ним подразумевают «компьютерное представление данных или идей» [1]. Визуализация трансформировалась из внутреннего механизма человеческого разума во внешний инструмент, который поддерживает методы принятия решений мозгом и помогает реализовывать процессы коммуникации.
Визуальный текст - это воспринимаемая человеческим глазом структурная и функциональная модель, которая содержит в себе ценности и нормы определенной культуры и носит закодированный характер, представленный в виде знаков, изображений, связанных между собой различными контекстуальными связями. Проигнорировать визуальный текст у человека нет возможности: в подавляющем большинстве случаев человек «приговорен» на прочтение визуального текста.
Отличительной особенностью визуальных текстов является то, что при восприятии его смыслообразов часто работает зрительный канал, соединяются вместе чувственно-наглядные и мысленные структуры. Информация при использовании визуальных текстов фиксируется в двухмерной или трехмерной системе координат. Для визуальных текстов взят за правило эффект поверхности - восприятие телесного, зримого культурного кода, нацеленность на восприятие «здесь и сейчас». Носителями визуальных текстов являются знаки, плакаты, рекламные открытки, этикетки, упаковки, ролики, визуальные презентации и т.п.
С точки зрения шрифтового дизайна, типографики, каллиграфии, как правило, рассматривают проблемы обработанной дизайнером текстовой информации. В этом случае гораздо реже затрагиваются пространственные и временные аспекты взаимодействия текста и визуального образа послания, роль фактуры и материала, а также пространственно-средовые возможности графического дизайна.
Тема интерпретации визуальных тестов попадает под раздел распознавания образов. Распознавание образов, или теория распознавания образов - это раздел информатики и смежных дисциплин, развивающий основы и методы классификации и идентификации предметов, явлений,
процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков. Под интерпретацией текстов обычно понимают метод распознавания при помощи самообучающихся алгоритмов, в том числе при помощи нейронных сетей.
В процессе распознавания происходит сегментация изображения (рисунок 1). Предполагается, что предложения текста расположены горизонтально и не создают пересечений друг с другом.
Рис.1. Сегментация изображения В расчет берут усредненные параметры расстояния между несколькими буквами в слове. Затем картинку делят на строки с помощью поиска полных белых полос. Далее разделенные полосы делятся в свою очередь на слова путем поиска белых полос заданной ширины. После всего вышеперечисленного помеченные слова переносятся на заключительный этап, и там они разделяются на буквы. Таким образом на заключительном этапе имеется полный текст, который представлен изображениями букв этого текста (рисунок 2).
п|рЩт|о|й |о|тв|е|т| н|а |л|ю|б|о|й
" к|в^р|т|и|р|н;ы|й|в|6|п|р|о^
Рис.2. Выделение букв, слов и строк
Далее требуется выполнить анализ контура буквы и получить признаки для классификации каждой из выделенных букв [3].
Распознавание происходит при помощи искусственных нейронных сетей (математические модели, а также их программное или аппаратное воплощение, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма).
При получении на входной нейронный слой новой картинки в сети протекает импульсная реакция того или иного нейрона. Таков принцип работы нейронной сети. Нейрон, который дал ответную реакцию на распознавание, несет распознавательную функцию в связи с тем, что все нейроны именованы значениями букв. Нейрон помимо выхода имеет также множество входов. Данные входы описывают значение пикселя изображения.
Все входы имеют определенный коэффициент, и в итоге, по окончанию распознавания, всем нейронам присваивается определенный заряд. Чем заряд будет больше, тот нейрон и испустит импульс.
Чтобы коэффициенты входов были правильно настроены, необходимо сначала обучить сеть. Для этого берется очередное изображение из обучающей выборки и обрабатывается сетью.
Обучение - это процесс, в котором свободные параметры нейронной сети настраиваются посредством моделирования среды, в которую эта сеть встроена. Тип обучения определяется способом подстройки этих параметров
[4].
Это определение процесса обучения нейронной сети предполагает следующую последовательность событий:
1) в нейронную сеть поступают стимулы из внешней среды;
2) в результате первого пункта изменяются свободные параметры нейронной сети;
3) после изменения внутренней структуры нейронная сеть отвечает уже иным образом.
Вышеуказанный список определенных правил выхода из проблемы обучения нейронной сети называется алгоритмом обучения. На данный момент не имеется универсального алгоритма обучения, подходящего для всех архитектур нейронных сетей. Существует лишь набор средств, представленный множеством алгоритмов обучения, каждый из которых имеет свои достоинства. Алгоритмы обучения отличаются друг от друга способом настройки синаптических весов нейронов. Также выделяется из всех характеристик способ связи обучаемой нейронной сети с внешним миром. Здесь говорят о парадигме обучения, связанной с моделью окружающей среды, в которой функционирует данная нейронная сеть.
Этапы обучения искусственной нейронной сети можно представить как класс задач, включающий стадии, представленные ниже.
1) Определение задачи - здесь выделяется набор ключевых
параметров, характеризующих предметную область.
2) Разработка широкой базы с наборами обучающих примеров, собранных в виде набора входных данных и привязанных к известным выходным значениям. Входные параметры для обучения могут быть неполными и несколько противоречивыми.
3) Данные вносятся по очереди, в итоге выходное значение сравнивается с эталоном. После этого проводят коррекцию весовых коэффициентов нейронных соединений для того, чтобы минимизировать ошибку между фактическим и желаемым выходом сети.
4) Обучение помещено в цикл до тех пор, пока суммарные отклонения во всем диапазоне входных значений не дойдут до приемлемого уровня, или искусственная нейронная сеть не придет в статичное состояние. Такой метод обучения носит название «Обратное распространение ошибки» и принадлежит к числу классических алгоритмов нейроматематики.
Оптимизированная и обученная нейронная сеть может быть использована на реальных входных данных, предлагая пользователю не только правильное решение, но и оценки степени ее надежности [5].
Результатом интерпретации визуальных текстов компьютером является распознанный текст, который может быть переведен на другой язык, с помощью него может осуществляться семантический поиск аналогичных изображений и т.д.
Пользователи, чья деятельность связана с интерпретацией текстов, делятся на два типа:
1) те, которые сначала обучают нейронную сеть для последующего использования;
2) те, которые пользуются уже обученной разработчиком (он же исполнитель) нейронной сетью.
Первый тип пользователей проходит все 5 стадий работы с нейронной сетью, описанных выше. Второй тип лишь загружает необходимое изображение для получения интерпретированного визуального текста.
Понимание пользователем процесса обучения машин интерпретации визуальных текстов, а также того, что является результатом этого процесса, поможет решить следующие культурные проблемы пользователя:
1) проблему слабой компетенции пользователя в технических моментах;
2) проблему несоответствия взглядов пользователя и исполнителя на то, что должно получиться в итоге;
3) проблему незнания стоимости работ пользователем из-за слабого представления о том, что делает исполнитель;
4) проблему недоверия, поскольку при возросшей компетенции пользователь сможет удостовериться в профессионализме исполнителя;
5) проблему коммуникации, поскольку пользователь и исполнитель в ходе взаимодействия смогут лучше понимать друг друга;
6) решить проблему желания пользователем большего, чем описано в
техническом задании, поскольку при возросшей компетенции пользователя техническое задание будет написано более детально.
Текстовая реальность сегодня все чаще заменяется экранными образами и визуальным рядом. Человек в настоящее время, активно пользующийся современными технологиями и информационной средой, мыслит «изображениями» и воспринимает информацию, представленную преимущественно в зрительных образах. В связи с этим очень остро встает вопрос интерпретации визуальных текстов и рассмотрение этих вопросов в настоящее время является важной задачей.
Использованные источники:
1. Wear C. Information visualization: perception for design. Waltham: Elsevier, 2013. 512 p.
2. Little W., Fowler H. W., & Couslon J. (Eds.). Shorter Oxford English dictionary (3rd ed., Vol. 2). Oxford: Oxford University Press, 1972. 3804 p.
3. Балахонцева А. Система распознавания символов на изображениях со сложным фоном // Балахонцева А., Годоба А., Тьен Н. ГРАФИКОН 2013: Труды 23-ей Международной конференции по компьютерной графике и зрению. - Владивосток, 2013. - С. 250-253.
4. Обучение нейронной сети [Электронный ресурс]. URL: http://www.aiportal.ru/articles/ neural-networks/learning-neunet.html
5. Драганчук И.Н. Нейронные сети для распознавания образов // Международный студенческий научный вестник. - 2015. -№2. -С.6-13.
УДК 336.717
Егоров И. С. студент
факультет фундаментальной и прикладной информатики
Лупандин В.В. студент
факультет фундаментальной и прикладной информатики Юго-Западный государственный университет
Россия, г. Курск БЕЗОПАСНОСТЬ ИНТЕРЕТ-БАНКИНГА В РОССИИ В
НАСТОЯЩЕЕ ВРЕМЯ В данной статьи рассказывается о том, что такое интернет-банкинге, какие у него есть достоинства и недостатки, также рассмотрен процесс безопасности интернет-банкинга и приведет рейтинг наиболее безопасных интернет-банков России.
Ключевые слова: интернет-банкинг, безопасность, мобильное приложение
