CC BY
50
Секция «Информатика и автоматизированные системы»
набора карт признаков, подвыборка, состоящая из семи слоев. Единственным недостатком сверточных сетей является их низкая, по сравнению с классическими алгоритмами, скорость обучения. Тем не менее, архитектура сверточных сетей позволяет значительно уменьшить время обучения. Поскольку первые 4 слоя не являются полносвязными, эта часть сети легко поддается распараллеливанию, и, как результат - уменьшению времени обучения.
На данный момент сверточные сети являются наилучшим алгоритмом распознавания символов с искажениями, например, так называемых СЛРТСИЛ тестов. Для решения такой задачи необходимо использовать многомодульную систему распознавания, которая использует сверточные сети, классификатор Витерби и графотрансформирующую сеть для определения отдельных символов на изображении.
© Чанчикова Е. В., Фаворская М. Н., 2010
УДК 004.94
А. А. Чунина Научный руководитель - И. М. Данилин Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
КЛАССИФИКАЦИЯ МЕТОДОВ 3Б-МОДЕЛИРОВАНИЯ ДЕРЕВЬЕВ
Изложена классификация основных методов 3Б-моделирования, описана их сущность и приведены их положительные стороны и недостатки.
Создание 3Б-объектов лесной растительности, в частности, различных пород деревьев считается одной из самых сложных задач моделирования из-за разнообразной геометрической структуры растительности и огромного количества видов. Методы моделирования делятся на две широкие категории: методы, основанные на определенных правилах построения объекта и методы, основанные на использовании исходного изображения объекта. Рассмотрим данные категории методов более подробно.
Методы, основанные на правилах построения объекта, подразделяются на контекстно-свободные детерминированные, стохастические, контекстно-зависимые и параметрические методы. Большинство из них являются фрактальными и допустима их реализация на основе ¿-систем. Основная идея Ь-систем заключается в том, что происходит постоянная перезапись элементов строки, проводя аналогию с фракталами, можно сказать, что Ь -системы оперирует со строкой символов по специальным правилам, начиная с первоначальной простой аксиомы [1]. Напрямую данный метод оказывается неприемлемым для моделирования сложных ветвящихся структур, и поэтому используются его модификации. Самым простым примером являются контекстно-свободные детерминированные Ь-системы, которые оперируют с заданными значениями угла поворота, длины шага и базисными векторами 2Б и 3Б-пространства. Более сложные стохастические Ь-системы добавляют возможность задания вероятности выполнения правила. В контекстно-зависимых Ь-системах синтаксис правил усложняется и принимает во внимание окружение заменяемого
символа. В параметрических L -системах к каждому символу добавляется параметр-переменная, позволяющий указывать величину угла поворота, длину шага и толщину линии, проверять условия для применения правила, считать количество итераций. Основным преимуществом данных методов является компактный математический аппарат и возможность моделирования роста растений с учетом биохимических процессов и окружающей среды. Однако недостатком является сложность моделирования деревьев для людей, не являющихся экспертами в данной области, из-за огромного количества специфических параметров.
В случае применения методов, основанных на использовании исходного изображения объекта, процесс моделирования можно разбить на три этапа: получение изображения объекта; сегментация лиственной массы и ее моделирование; сегментация ветвей и ствола, их моделирование [2]. Основным недостатком данных методов является их частичная автоматизация, а преимуществом - возможность реалистичного моделирования существующей в природе растительности.
Библиографический ссылки
1. Prusinkiewicz P. and Lindenmayer A. The algorithmic beauty of plants / Springer-Verlag, New York, 1990.
2. Quan L., Tan P., Zeng G., Yuan L., Wang J. and Kang S. Image-based Plant Modeling //. ACM Transactions on Graphics, Vol. 25, No. 3. 2006. Р. 599-604.
© Чунина А. А., Данилин И. М., 2010
