Спонтанное выделение иерархии двумерных признаков для классификации изображений

В задачах классификации и распознавания изображений одной из ключевых проблем является выделение компонентов (признаков), определяющих категорию классификации, устойчивых к инвариантным преобразованиям изображенного объекта. Предложен эффективный способ построения расширяемой многоуровневой модели, способной выделять такие признаки из обучающей выборки без использования учителя. Рассмотрены преимущества иерархического подхода к выделению признаков и его способность к инкапсулированию структурно сложных компонентов изображения, обработка которых представляет значительные вычислительные трудности с использованием классических обучающих алгоритмов. Метод оперирует на плоских (двумерных) изображениях, но обладает потенциальной возможностью расширения для работы с трехмерными объектами. Полученная модель может использоваться в качестве детектора признаков для множества различных методов обучения, таких как сверточные нейронные сети.