Αναγνώριση προτύπων

Ώρες/εβδομάδα: 3
Διδάσκων/ουσα: Γεώργιος Παπακώστας [gpapak@cs.ihu.gr]
Τρόπος βαθμολόγησης: 1) Εξέταση με ελεύθερη πρόσβαση στο βιβλίο, 2) Προαιρετική ανάθεση εργασίας ανά 2 άτομα, η οποία περιλαμβάνει τη μελέτη μιας επιστημονικής εργασίας στον κλάδο της αναγνώρισης προτύπων και την παρουσίασή της στην τάξη (μεγ. 2 μονάδες σε περίπτωση βαθμολογίας <5).
Βιβλιογραφία (πατήστε για ψηφιακή έκδοση):

Προτεινόμενη Βιβλιογραφία :

Σ. Θεοδωρίδης, Κ. Κουτρουμπάς, «Αναγνώριση προτύπων», 1η Έκδοση, Εκδόσεις Π. Χ.
Πασχαλίδης
, 2011. (ΚΩΔ. 13256974).
Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification


Συναφή επιστημονικά περιοδικά:
Pattern Recognition
IEEE Trans. on Pattern Analysis and Machine Intelligence
International Journal of Pattern Recognition and Artificial Intelligence
Pattern Analysis & Applications


Εβδ#1 (19-10-2021)
Εισαγωγή στην αναγνώριση προτύπων

Τί μπορεί να είναι ένα πρότυπο και γιατί χρειάζεται η ανάλυσή του από τον υπολογιστή;
– Ένα πρότυπο (pattern) είναι μια χρήσιμη πληροφορία που μπορεί να προκύψει από την ανάλυση μεγάλου αριθμού δεδομένων και δεν είναι άμεσα προσβάσιμη. Η χρήση του υπολογιστή επιβάλλεται λόγω της δυνατότητάς του να επεξεργάζεται μεγάλο όγκο δεδομένων σε σύντομο χρονικό διάστημα.

Παράδειγμα αναγνώρισης προτύπου: οι εταιρίες τηλεφωνίας κάνουν χρήση αλγορίθμων προκειμένου να εντοπίζουν τα πρότυπα συμπεριφοράς που παρουσιάζουν πελάτες που είναι πιθανό να αποχωρήσουν το επόμενο χρονικό διάστημα. Με αυτό τον τρόπο έχουν μια καλή εικόνα για το είδος της προώθησης και των προσφορών που πρέπει να κάνουν για να τους διατηρήσουν.

Classification: είναι η κατάταξη αντικειμένων (προτύπων) στην κατάλληλη κλάση. Πρόκειται για την βασικότερη εργασία (task) μιας διαδικασίας αναγνώρισης προτύπων. Π.χ. σε μια διαδικασία αναγνώρισης των στοιχείων μιας εικόνας, ο αλγόριθμος θα πρέπει να αναγνωρίσει αν απεικονίζεται πρόσωπο, ζώο ή αντικείμενο. Με αντίστοιχο τρόπο γίνεται και η μαζική εισαγωγή επισημειώσεων (annotations) σε εικόνες, η οποία βοηθά εφαρμογές όπως η αναζήτηση εικόνων του Google να εμφανίζουν ακριβέστερα αποτελέσματα.

Σύστημα Κατάταξης (classification system)

Αποτελείται από μια σειρά από βήματα, για την πραγματοποίηση της εργασίας της κατάταξης:

Στάδιο Λειτουργία
Sensor αποτελεί τον τρόπο εισαγωγής των δεδομένων. Για την αποτελεσματική λειτουργία του συστήματος απαιτείται μεγάλος όγκος δεδομένων
Feature generation Τα χαρακτηριστικά (features) είναι πληροφορίες που προκύπτουν από τα δεδομένα και καταγράφει το σύστημα. Ορίζονται από τον προγραμματιστή. 
Feature selection Επιλογή των κατάλληλων χαρακτηριστικών (ενώ μπορεί να προκύπτουν αρκετά χαρακτηριστικά, είναι γενικότερα επιθυμητή η κατάταξη των αντικειμένων βάσει κατά το δυνατο λιγότερων χαρακτηριστικών)
Classifier design Διαδικασία απόφασης για την κατάταξη του αντικειμένου σε κλάση
Evaluation Στάδιο αξιολόγησης. Είναι σημαντικό να υπάρχει σε κάθε σύστημα, προκειμένου να βελτιώνεται. Από αυτό το στάδιο μπορεί να δωθεί ανατροφοδότηση σε οποιοδήποτε άλλο στάδιο, ώστε να γίνουν οι διορθώσεις και η επανεκτέλεση των σταδιων.