Штучний інтелект

Анотація: У статті запропоновано використання структурного опису графічних об’єктів для актуальної задачі аналізу траєкторій. Проаналізовано ряд сучасних підходів аналізу траєкторій, у ході чого обрано метод на основі моделі нейронної мережі Graph Convolutional Networks та алгоритму Suffix Tree Clustering. Описано засоби оптимізації обчислювальної складності даного нейромережевого підходу. Нейронну мережу адаптовано до аналізу структурного опису, продемонстровано перевагу даного підходу.

Ключові слова: Graph Convolutional Neural Networks, Suffix Tree Clustering, структурний опис, аналіз траєкторій

Посилання:

1. Агарков А.В. Выделение и отслеживание объектов на основе использования анализа движения// Штучний інтелект. – 2015. – 1-2. – С.28-36
2. Vaswani, A.; Shazeer, N.; Parmar, N.; Uszkoreit, J.; Jones, L.; Gomez, A. N.; Kaiser, Ł.; and Polosukhin, I. 2017. Attention is all you need. In NeurIPS, 5998–6008.
3. Velickovi c, P.; Cucurull, G.; Casanova, A.; Romero, A.; Lio, P.; and Bengio, Y. 2018. Graph attention networks. ICLR.
4. L. Bai and Q. Chen, “Visual phrase recognition by modeling 3D spatial context of multiple objects,” Neurocomputing, vol. 253, pp. 183–192, 2017.
5. Агарков А.В. Поиск объектов на изображениях с помощью графов // Искусственный интеллект. - 2012. - No4. - С. 105-119.
6. Lei Qin . Local invariant descriptor for image matching / Lei Qin, Wei Zeng, Wen Gao, Weiqiang Wang // IEEE International Conference of Acoustics, Speech, and Signal Processing. – 2005. – Vol.2. – P.1025-1028.
7. Mikolajczyk K. A performance evaluation of local descriptors / Mikolajczyk K., Schmid C. // In Proceedings of the 8 th International Conference on Computer Vision. – Vancouver, Canada. – 2001. – P 525-531.
8. Marwan A. Mattar Sign Classification using Local and Meta-Features / Marwan A. Mattar,Allen R.Hanson,and Erik G. Learned-Miller // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2005. – Vol.3. – P.26.
9. David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints / David G. Lowe // International Journal of Computer Vision. – 2004. – Vol. 2, No60. – P.91-110.131
10. Arthur R. Pope Probabilistic Models of Appearance for 3-D Object Recognition / Arthur R. Pope, David G. Lowe // International Journal of Computer Vision. – 2000. – Vol.40, No2. – P.149-167.
11. Гороховатский В.А. Фильтрация ложних соответствий дескрипторов ключевих точек на основе анализа геометрических данних / В.А. Гороховатский // Реєстрація, зберігання і обробка даних. – 2009. – Т. 11, No1. – С.11-19.
12. Гороховатский В.А. Підвищення швидкодії метода афінних інваріантів при сопоставленні структурних описаний візуальних об’єктів / В.А. Гороховатский, Т.В. Полякова // Системи управління, навігації та зв'язку. – 2009. – вип. 2(10). – С.81-84.
13. Optimal Feature Matching Method using Bayesian Graph Theory / Wan Hyun Cho, In Seop Na, Sun Worl Kim and Soo Hyung Kim // International Journal of Multimedia and Ubiquitous Engineering. – 2012. – Vol. 7, No 3. – P.123-132.
14. Torresani L. Feature Correspondence Via Graph Matching: Models and Global Optimization. / Torresani L., Kolmogorov V., Rother C., // Proceedings of the 10th European Conference on Computer Vision: Part II. – 2008. – P.596 – 609.
15. Martin A. Fischer Random Consensus: A Paradigm for Model Fitting with Application to Image Analysis and Automated Cartography / Martin A. Fischer and Robert C. Bolles // Commun. Assoc. Comp. Mach. – 1981. – Vol.24. – P.381–395.