Aktivní učení pro klasifikaci obrázků

Abstract

The thesis is a practical application of image analysis and classification methods, inspired by the behaviour of human eye. The method used doesn't require complete information of the analysed image. It uses autonomous agents that see only a part of the image instead. These agents themselves decide which other parts of the image they need to see for more precise result. The behavior of agents is controlled by a neural network, trained specifically for that purpose by an evolutionary learning algorithm. Data used for the training come from MNIST (2011), a database of handwritten numbers. This collection also contains a separate testing set, on which the behavior of autonomous agents was tested afterwards.

Práce se zabývá aplikací vybraných metod ke klasifikaci obrazu, inspi- rovanou chováním lidského oka. Využívá k analýze metody, které nevyžadují kom- pletní informaci ze zkoumaného obrazu. Místo toho používá samostatné agenty, kteří se po obraze pohybují a sami si vybírají, kterou další část obrazu potřebují vidět k upřesnění výsledku. Chování agentů je řízeno neuronovou sítí, pro tento úkol naučenou. K učení sítě byl použit evoluční algoritmus. Použitá data pocházejí z databáze obrázků ručně psaných čísel MNIST (2011). Tato sbírka obsahuje také oddělenou testovací mno- žinu dat, na které je úspěšnost agentů následně testována.