Разработка вычислительно эффективных методов распознавания образов на основе технологии мягких вычислений для интеллектуальных систем обработки мультимедийной информации

Проведен анализ современной литературы в области распознавания изображений в условиях малых выборок наблюдений на основе метода ближайшего соседа, в котором сопоставляются векторы признаков высокой размерности, выделенные с помощью глубокой свёрточной нейронной сети. Дан анализ современной литературы в области повышения вычислительной эффективности методов распознавания объектов на видео, основанных на сопоставлении векторов признаков высокой размерности, выделенных с помощью глубоких сверточных нейронных сетей. Предложен алгоритм приближенного поиска ближайшего соседа, в котором на первом шаге для видео фрейма проверяется эталонное изображение, которое получено при распознавании предыдущего фрейма. Проведен анализ современной литературы в области тернарных решений и гранулярных вычислений. Рассмотрено применение такого подхода в задачах распознавания аудиоинформации. Разработан новый метод классификации, основанный на вероятностной модели речевого сигнала как последовательности однородных сегментов с доминирующей типологической составляющей (фонем) и методах множественных сравнений. Выполнен анализ алгоритмов обнаружения и распознавания объектов на видеопоследовательностях в условия малых выборок наблюдений. Проведен аналитический обзор литературы по оптимизации сверточных нейронных сетей для задач распознавания эмоций по изображениям лиц. Предложен новый алгоритм распознавания эмоций на групповых фотографиях, который занял 4-е место в Международном конкурсе EmotiW 2017 (Emotion recognition in the Wild).