Spojení algoritmů HyperNEAT a Novelty search pro rozpoznávání obrázků

Abstract

Tato práce je počáteční pokus o prozkoumání použití Novelty Search v NeuroEvolučním algoritmu HyperNEAT na doméně rozpoznávání obrázků. Doteď tato kombinace byla použita pouze na problémech spojených s navigací v bludišti nebo pohybem robota, ale ještě nikdy nebyla použita v oblasti obrazových dat. HyperNEAT používá nepřímé kódování v evoluci umělých neuronových sítí. V této práci představíme tři nové přístupy v detekci feature v obrázcích, kde první z nich má nadějné výsledky. Výsledkem této práce je, že Novelty Search může hrát důležitou roli v evoluci feature vektorů rozpoznávající obrázky.

This thesis is an initial attempt to investigate the use of Novelty Search in the NeuroEvolutionary algorithm called HyperNEAT on the subject of image recognition. Up until now this combination was used mainly for maze navigation or robot movement, but never in image recognition. The HyperNEAT uses an indirect encoding in evolution of Artificial Neural Networks. We present three novel approaches in feature detection, where the first of them shows promising results. It was concluded that the Novelty Search can play a significant role in the evolution of feature vectors in the image recognition domain.