Prepoznavanje uzoraka (eng. pattern recognition) je proces dodjeljivanja klase zapažanju na temelju uzoraka izvučenih iz podataka. Ima široku primjenu u statističkoj analizi podataka, obradi signala, analizi slika, pretraživanju informacija, bioinformatici, sažimanju podataka, računalnoj grafici i strojnom učenju.
Prepoznavanje uzoraka vuče korijene iz statistike i inženjerstva. Neki moderni pristupi uključuju korištenje strojnog učenja, prvenstveno zbog povećane dostupnosti velikih podataka (big data) i veće procesorske moći. Sustavi za prepoznavanje uzoraka obično se treniraju pomoću označenih podataka za „treniranje” (nadzirano učenje). Kada takvi podaci nisu dostupni, mogu se koristiti drugi algoritmi za otkrivanje prethodno nepoznatih uzoraka (nenadzirano učenje).
U strojnom učenju, prepoznavanje uzoraka je dodjeljivanje oznake zadanoj ulaznoj vrijednosti. Najčešći primjer prepoznavanja uzoraka je klasifikacija, koja pokušava dodijeliti svaku ulaznu vrijednost jednoj od zadanog skupa klasa (na primjer, utvrđivanje je li određena e-pošta spam).
Pregled
Moderna definicija prepoznavanja uzoraka glasi:
Prepoznavanje se općenito kategorizira prema vrsti postupka učenja koji se koristi za generiranje izlazne vrijednosti: Nadzirano učenje (Supervised learning) podrazumijeva da je osiguran skup podataka za treniranje, koji se sastoji od skupa instanci koje su ručno označene točnim izlazom. Nenadzirano učenje (Unsupervised learning) pronalazi skrivene uzorke u neoznačenim podacima te na temelju sličnosti grupira podatke (npr. klasteriranje).
Primjena
mini|Lice detektirano pomoću softvera za prepoznavanje lica. U medicini, prepoznavanje uzoraka temelj je za računalno potpomognute dijagnostičke (CAD) sustave koji liječnicima pomažu u interpretaciji nalaza. Ostale tipične primjene su automatsko prepoznavanje govora, klasifikacija dokumenata u kategorije te automatsko prepoznavanje ljudskih lica na digitalnim slikama.
Prepoznavanje uzoraka ima brojne primjene u stvarnom svijetu, kao što su: Identifikacija i provjera autentičnosti: npr. prepoznavanje registarskih tablica, analiza otisaka prstiju, prepoznavanje lica i provjera autentičnosti pomoću glasa. Medicinska dijagnostika: npr. probir na rak vrata maternice, analiza tumora dojke ili šumova srca. Obrana: navigacijski sustavi, sustavi za automatsko prepoznavanje ciljeva. Mobilnost: napredni sustavi za pomoć vozačima (ADAS) i tehnologija autonomnih vozila (samovozeći automobili).
Izvori
Kategorija:Umjetna inteligencija Kategorija:Računarstvo