УДК 004.853
КОМБИНИРОВАННЫЙ МЕТОД КЛАССИФИКАЦИИ ВЕКТОРНЫХ ОБЪЕКТОВ НА ОСНОВЕ АНСАМБЛЯ КОДИРОВЩИКОВ И КАПСУЛЬНОЙ МОДЕЛИ ПРИЗНАКОВ
К. А. Майков, д.т.н, профессор кафедры «Программное обеспечение ЭВМ и информационные технологии» МГТУ им. Н.Э. Баумана, Москва, Россия;
orcid.org/0000-0003-1864-2397, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Л. Е. Тартыков, магистрант кафедры «Программное обеспечение ЭВМ и информационные технологии» МГТУ им. Н.Э. Баумана, Москва, Россия;
e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
А. А. Бубнов, к.ф.-м.н., доцент кафедры «Вычислительная и прикладная математика» РГРТУ им. В.Ф. Уткина, Рязань, Россия;
e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Рассматривается задача распознавания образов с использованием методов классификации векторных объектов. Проведены обзор и сравнительный анализ известных решений практических задач классификации векторных объектов с использованием капсульных нейронных сетей. Предложен комбинированный метод классификации векторных объектов, сочетающий ансамбль детекторов YOLOv8 для выделения ключевых признаков векторного объекта и капсульную нейронную сеть. Использование первичных капсул и механизма динамической маршрутизации позволяет учитывать пространственные зависимости между признаками. Устойчивость к вариативности входных данных достигается каскадным расширением признакового пространства. Показаны зависимости точности классификации от количества признаков векторного объекта и от размера вектора первичных капсул. Выделены диапазоны настроечных параметров модели, обеспечивающие наилучшее соотношение между точностью и вычислительной эффективностью.
Ключевые слова: распознавание образов, векторный объект, признаки, капсульная сеть, каскадная обработка, структурное представление данных.