Детальная информация

Цель работы — автоматизация извлечения наборов точек в растровом изображении при сохранении качества распознавания В данной работе был реализован алгоритм локальной топологии Point-pattern matching с интеграцией графической нейронной сети SuperGlue, получен результат геометрической схожести на основе распознавания изображений из библиотеки MNIST. Произведено сравнение результатов с технологией ручной подачей точек в PPM и методом SIFT + PPM. Результаты демонстрируют слабую высокую скорость, при малой потере точности.

The purpose of the work is to automate the extraction of sets of points in a raster image while maintaining recognition quality. In this paper, the Point-pattern matching local topology algorithm was implemented with the integration of the SuperGlue graphical neural network, and the result of geometric similarity based on image recognition from the MNIST library was obtained. The results were compared with the technology of manual feeding of dots in PPM and the SIFT + PPM method. The results show weak high speed, with little loss of accuracy.