Англо-русский толковый словарь по искусственному интеллекту и робототехнике

feature-based method – метод распознавания на основе [системы, набора] признаков # одна из категорий методов, применяемых в различных системах распознавания и предусматривающих первоначальное выделение (извлечение) признаков из собираемых данных в качестве основы для последующего распознавания и классификации образов, объектов, ситуаций. Подобные методы используются при распознавании лиц (face recognition – для обнаружения, поиска лиц по их структурным признакам); в стеганоанализе (steganalysis – для обнаружения присутствия скрытых секретных данных и сообщений, например в JPEG-изображении, чтобы затем извлечь и прочитать секретное сообщение); в интеллектуальных транспортных системах, ИТС (intelligent transport system, ITS – для чёткого распознавания транспортных средств, ТС, для быстрого реагирования на динамично меняющиеся условия дорожного движения и др.); в системах визуального контроля качества изделий в производстве (vision-based inspection) и др. (см. также feature

).

feature engineering – проектирование признаков, инженерия признаков; инженерный подход к выделению признаков # в машинном обучении (МО) – процесс преобразования необработанных входных данных в подходящие для предсказывающей модели признаки. В технологии автоматизированного машинного обучения, АМО – автоматическое выделение признаков, выбор признаков, метаобучение и дообучение ИНС, перенос знаний. Частичные синонимы – handcrafted features, manual feature engineering (см. также automated machine learning, feature extraction, feature learning, feature selection, machine learning, meta-learning, transfer learning).

feature extraction – выделение признаков [изображения] # класс методов, используемых в анализе изображений (image analysis

) (см. также feature extractor, feature recognition, image processing).

feature extractor – блок выделения признаков # см. также feature extraction, image processing.

feature learning

– обучение (изучение) признаков # в машинном обучении (МО) – совокупность методов, позволяющих системе автоматически обнаруживать, распознавать и/или классифицировать признаки объектов в необработанных исходных данных. Предпосылкой для разработки подобных методов стал тот факт, что задачи машинного обучения обычно требуют входных данных, которые просто удобны для математической и компьютерной обработки. Однако данные реального мира – изображения, видеоматериалы, данные различных датчиков – обычно не поддаются попыткам алгоритмически выделять их особые признаки. Альтернативой является обнаружение таких признаков или образов путём просмотра, исследования данных, без применения явных алгоритмов. Изучение признаков может быть либо контролируемым (supervised feature learning), либо неконтролируемым (unsupervised feature learning); в первом случае признаки изучаются с использованием помеченных входных данных, а во втором случае – непомеченных входных данных. Синоним – representation learning (обучение, изучение представлений, образов) (см. также feature, feature engineering, labeled data, machine learning, representation, supervised learning, unsupervised learning).

feature recognition – выделение признаков [изображения], распознавание значащих компонентов изображения # обработка двоичных данных, представляющих изображение, с целью обнаружения в нём геометрических фигур (линий, окружностей, дуг и т. п.). Наиболее показательный пример – распознавание алфавитно-цифровых символов в растровом отображении документа при помощи программ OCR. Синоним – feature extraction

(см. также feature space, feature vector, image processing, neural network, pattern recognition).

feature space – пространство признаков # в распознавании образов – совокупность всех характеристик (признаков) объекта. Например, in the 2-dimensional feature space – в двумерном пространстве признаков (см. также feature recognition).

feature vector – вектор признаков # признаки объекта, записанные в векторной форме (см. также feature recognition).