Details

Целью работы является разработка метода поиска похожих изображений, инвариантного к заданным семантическим факторам, но сохраняющего чувствительность к другим значимым признакам. Задачи, решаемые в ходе исследования: 1. Поиск доступных наборов изображений с размеченными факторами. 2. Анализ метрик степени наличия информации о факторе в векторе признаков. 3. Оценка наличия информации о факторах в векторах признаков. 4. Разработка метода удаления информации о факторах из векторов признаков. 5. Оценка наличия информации о факторах в преобразованных векторах признаков. В ходе работы был исследован подход для достижения инвариантности в поиске изображений за счет комбинации современных методов машинного обучения. Разработанный подход может быть полезен в приложениях, где требуется гибкое сравнение объектов по заданным критериям — от биометрии до персонализированных рекомендательных систем.

The goal of this work is to develop a method for retrieving similar images that is invariant to specified semantic factors while preserving sensitivity to other meaningful features. The research set the following goals: 1. Identifying available datasets of images with labeled factors. 2. Analyzing metrics for measuring the presence of factor-related information in feature vectors. 3. Assessing the presence of factor-related information in feature vectors. 4. Developing a method for removing factor-related information from feature vectors. 5. Evaluating the presence of factor-related information in transformed feature vectors. The study explored an approach to achieving invariance in image retrieval through a combination of modern machine learning techniques. The developed method can be useful in applications requiring flexible object comparison based on specified criteria—from biometrics to personalized recommendation systems.