Сервис онлайн-записи на собственном Telegram-боте

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое расписание, но и напоминать клиентам о визитах тоже. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
Для новых пользователей первый месяц бесплатно.

Чат-бот для мастеров и специалистов, который упрощает ведение записей:

— Сам записывает клиентов и напоминает им о визите;
— Персонализирует скидки, чаевые, кэшбэк и предоплаты;
— Увеличивает доходимость и помогает больше зарабатывать;

Начать пользоваться сервисом

Как продвинуть сайт на первые места?

Вы создали или только планируете создать свой сайт, но не знаете, как продвигать? Продвижение сайта – это не просто процесс, а целый комплекс мероприятий, направленных на увеличение его посещаемости и повышение его позиций в поисковых системах.

Ускорение продвижения

Если вам трудно попасть на первые места в поиске самостоятельно, попробуйте технологию Буст, она ускоряет продвижение в десятки раз, а первые результаты появляются уже в течение первых 7 дней. Если ни один запрос у вас не продвинется в Топ10 за месяц, то в SeoHammer за бустер вернут деньги.

Начать продвижение сайта

Ознаки на основі поділу поверхні зображення

Параметричні ознаки. Дисперсія є інваріантною ознакою, незалежною від положення образу: вертикального, горизонтального тощо. На рис.2 наведено дві пари облич, для яких на графіках (рис.3) подані графіки ознак від змінної s – номера сегмента (розмірності сегмента), а саме: дисперсії відхилення координат пікселів у сегменті.

Рис. 3. Інваріантні ознакиі зображення облич

Одна пара – обличчя і повернуте фото на 90 градусів. Їм відповідає один графік. Два інші графіки відображають різні міни одного жіночого обличчя.

Для фіксування математичного сподівання координат пікселів у сегменті (фрагменті) поверхню зображення розбиваємо на прямокутники сіткою з довільними кроками (рис.2). Прямокутники нумеруємо обходом сітки зліва направо і вниз. Тоді положення математичного сподівання координат пікселів у сегменті (фрагменті) визначається номером паралелепіпеда. Точність положення – розміри паралелепіпеда. Назвемо ці ознаки параметричними.

На рис.3 для цього ж набору представлено параметричну ознаку – математичних сподівань координат пікселів у сегментах.

Рис. 4. Параметричні ознакиі зображення облич

Індексування зображень. Розділивши площину зображення на ряд фрагментів прямокутної форми горизонтальними та вертикальними лінями, отримаємо плоске зображення, розділене на прямокутники R_s, (рис.2а). Прямокутники P_s задаємо однаковими.

Проведене січення також фрагментує тривимірний простір представлення інтенсивності зображення на парямокунті паралелепіпеди P_s (рис.3).

Фрагментація на прямокутні паралелепіпеди дозволяє визначити ряд розподілених ознак, що характеризують образ. Основною з них є об’єм інтенсивності фрагментів. Для визначення об’ємів дискретного зображення використовуємо наступну формулу:

, (4)

де X(P_i), Y(P_i) – підмножини координат зображення, що відповідають i -му паралелепіпеду, B(x, y) – інтенсивність пікселя з координатами (x; y), V_Pi – об’єм і -го фрагмента (паралелепіпеда).

Вхідне зображення (рис.3а) ділимо заданою кількістю горизонтальних і вертикальних ліній. Для кожного з утворених фрагментів обчислюємо відносне значення об’єму (по відношенню до загального об’єму інтенсивності зображення) (рис.4б). Отримані значення використовуються як властивості, що формують кластери у процесі кластеризації.

Таким чином, після виконання процесу згортання ми отримуємо ще одну характеристику фрагмента – належність до певного кластеру. При цьому зміна кількості кластерів не приводить до зміни розміру ключа образу. На рис.4а показано результати застосування кластеризації за об’ємом інтенсивності із результуючими чотирма кластерами. Тут кожен кластер позначений відповідним кольором в градації сірого. Кластери, котрі містять фрагменти із більшим об’ємом, зафарбовані у світліший тон. Рис.4б ілюструє дендограму співвідношення між кластерами для вказаних вище параметрів.

а б

Рис.4. Результати кластеризації фрагментів із рис.1а

Збільшення кількості фрагментів, а також кількості результуючих кластерів дозволяє підвищити точність представлення зображення отриманими характеристиками.

Рис.5 ілюструє співвідношення між кластерами та фрагментами при збільшенні кількості результуючих кластерів до 10:

Рис.5. Результати кластеризації фрагментів із рис.1а (10 результуючих кластерів)

На рис.6 подано тестові зображення із бази даних Ванга розміром 256× 384 пікселів. Для вказаних зображень на рис.7-9 проілюстровано відношення між об’ємами та кластерами при кількості фрагментів 100 (10x10) (а), 400 (20x20) (б), 900 (30x30) (в) та 1600 (40x40) (г) відповідно. Кількість результуючих кластерів – 7.