랜드마크 검출을 위한 진화 알고리즘
Evolutionary Algorithm for Landmark Detection |
위성 지도, 의료 이미지와 같은 이미지에서 랜드마크를 찾기 위한 몇 가지 알고리즘이 있습니다.오늘날 입자 군집 최적화와 같은 진화 알고리즘은 이 작업을 수행하는 데 매우 유용합니다.진화 알고리즘은 일반적으로 훈련과 테스트의 두 가지 단계를 가지고 있다.
알고리즘.
교육 단계에서는 랜드마크를 올바르게 찾기 위한 알고리즘을 학습합니다.이 단계는 일부 반복에서 수행되며, 마지막으로 마지막 반복에서는 랜드마크를 올바르게 찾을 수 있는 시스템을 얻을 수 있기를 바랍니다.입자 무리 최적화에는 랜드마크를 찾는 입자가 있습니다.각 입자는 랜드마크 탐지를 최적화하기 위해 각 반복에서 특정 공식을 사용합니다.
최적화
훈련 단계에서 사용되는 기본 입자 군집 최적화 알고리즘은 일반적으로 다음과 같습니다.
범위 내 서치 공간에서 무작위로 100명 초기화 [-1,1]
100회 반복되거나 gbest 검출 오류가 0%가 될 때까지 LOUP
각 입자 p에 대하여
x = 0에서 탐지 오류 발생
트레이닝 세트의 각 이미지 i에 대해
i의 각 픽셀 좌표 c에 대해
c의 시각적 특징에 대해 x(p)를 평가한다.
지금까지 i에 대한 평가가 가장 높다면
i = c에서 감지된 위치
검출된 위치와 표시 위치 사이의 거리가 2mm보다 큰 경우
x에서 감지 오류 = x + 1에서 감지 오류
x = 1-에서의 p 적합성(x /교육 세트의 총 이미지 수)
새로운 _x에서의 p의 tness_이전 _pest에서의 p의 tness_tnessTHAN
pbest _tness of p = 새로운 _tness at x
p의 최적 위치 = x/p
새로운 _tness at x > 이전 gbest _tness의 경우
gbest _tness = x에서의 p의 새로운 _tness
gbest 위치 p = x/p
각 입자 p에 대하여
v(p) 계산
IF 매그니튜드가 v > v max인 경우
v = v max의 크기
v를 사용하여 x/p를 다음 위치로 이동합니다.
x of p가 [-1,1] 범위를 벗어나는 경우
x/p = -1 또는 1(적절한 경우)
따라하다
마지막 반복의 출력 gbest를 훈련된 디텍터 d로 지정
