MODELIRANJE MEDIJA, NAVIGACIJE, PERCEPCIJE PODATAKA, PRIJENOSA, SEMANTIKA PRETRAIVANJA

SEMINARSKI RAD

Rijeka, 2013.

VELEUILITE U RIJECI

MODELIRANJE MEDIJA, NAVIGACIJE, PERCEPCIJE PODATAKA, PRIJENOSA, SEMANTIKA PRETRAIVANJA

SEMINARSKI RAD

Predmet:Mentor:Student:

Rijeka, 2013.

SadrajUvod41.1. Modeliranje medija51.2. Digitalno modeliranje51.2.1 Prostorno modeliranje51.2.2. Privremeno modeliranje61.2.3. Uzorkovanje signala61.3. Tipovi medija71.4. Medijske specifine odlike72.1. Modeliranje navigacije92.2. Uvod92.3. Mogue primjene102.4. Pregled pristupa samostalnoj loklizaciji102.5. Lokalizacija upotrebom raunarskog vida153.1. Modeliranje percepcije podataka163.2. Raunalni pristup percepciji173.3. Umjetna vizualna percepcija173.4. Analiza teksture na slici183.5. Lokalne znaajke slike194.1 Modeliranje prijenosa214.2.Klasifikacija medija za prijenos podataka214.2.1. Bakrene ice214.2.2. Optika vlakna224.2.3. Radio valovi224.2.4. Ostali mediji za prijenos podataka234.2.5. Usporedba medija za prijenos podataka244.3. Modulacija i demodulacija244.4. Multipleksor i demultipleksor254.5. Paket264.5.1. Prednosti upotrebe paketa264.5.2. Mane upotrebe paketa275.1. Semantika Pretraivanja285.2. Modeli285.3. Matrica pojmova i dokumenata285.4. Upit295.5. Evaluacija pretraivanja informacija295.6. Problemi kod pretraivanja informacija295.7. Primjeri nove generacije pretraivanja30Zakljuak31Reference32

Uvod

U prvom poglavlju obrauje se jedinica ovog seminarskog rada nazvana "Modeliranje medija". Tema se dijeli na manje podjedinice kao to su "Digitalno modeliranje", "Tipovi medija" i "Medijske specifine odlike". Podjedinica "Digitalno Modeliranje" dijeli se prema vrstama digitalnog modeliranja na prostorno modeliranje, privremeno modeliranje i uzorkovanje signala.U drugom poglavlju razmatra se jedinica seminarskog rada nazvana "Modeliranje navigacije". Dijeli se manje podjedinice kao "Uvod", "Mogue primjene", "Pregled pristupa samoj lokalizaciji" i "Lokalizacija uporabom raunalnog vida".Kod treeg poglavlja imamo podjedinicu pod nazivom "Modeliranje percecpcije podatala". Podjedinica se dijeli na manja poglavlja pod nazivom "Raunalni pristup percepciji" i "Umjetna vizualna percepcija". Takoer spominje se analiza teksture na slici i lokalne znaajke slike.Kod modeliranja prijenosa imamo potpoglavlja kao to su "Klasifikacija medija za prijenos podataka", "Modulacija i demodulacija", "Multipleksor i demultipleksor", i "Paket". Takoer potpoglavlje "Klasifikacija medija za prijenos podataka" dijeli se prema vrsti medija za prijenos podataka. Potpoglavlje "Paket" dijeli se na manje jedinice u kojima se izlau prednosti i mane uporabe paketa.Zadnje poglavlje ovog seminarskog rada obrauje tematsku jedinicu "Semantko pretraivanje. Spominju se potpoglavlja kao to su "Modeli", "Matrica pojmova i dokumenata", "Upit", "Evaluacija pretraivanja podataka", "Problemi kod pretraivanja podataka" i "Primjeri nove generacije pretraivanja".

1.1. Modeliranje medija

1.2. Digitalno modeliranje

1.2.1 Prostorno modeliranje

Prostorno modeliranje moe se zamisliti kao kreiranje vektorskog prostora koritenjem matematikog modela. Nakon odreivanja koordinata, takav, matematiki, moe se razmatrati kao fizikalni model zanimljiv za praktinu obradu. Svi objekti mogu se prikazati prostornim modeliranjem. Objekti se nalaze unutar tri dimenzije prostora. Ovisno o vrsti obrade potrebno je unositi ili koordinate ili smjer kretanja. Budui da usklaivanje koordinata nije uvijek jednostavno izvedivo (pogotovo kod 3D modela), programi koji se koriste za modeliranje kao primarnu opciju unosa nude smjer kretanja.

Modeliranje prostora koristi se u veini grana znanosti. Prikaz vozila svih vrsta, graevina, prirodnih objekata, kemijskih spojeva, kozmolokih modela. Znaajno je i koritenje u medicini. injenica je da je prostorno modeliranje postalo nezamjenivo pri prouavanju i prikazu svih modela, kako u 2D, tako i u 3D prostoru. Postoje brojni raunalni programi za obradu. Za graevinske potrebe koristi se neka od verzija CAD programa, meu kojima je najpopularniji "AutoCAD". Za prikaz i obradu kozmolokih prostora vrlo je rairen program "Celestia".1.2.2. Privremeno modeliranje

Za audio podatak, poslije privremenog modeliranja, stalni broj susjednih modela (uzoraka) privremenog podruja naziva se frame. Za video signale, poslije privremenog modeliranja neprekidni video postaje dosljedan privremenim modelima i onda svaki takav privremeni uzorak postaje slika (eng. frame). Svaki slika moe biti dalje prostorno modelirana da ima kolekciju piksela. Za video podatak u svakoj slici uobiajeno je da se definira stalni broj prostorno-graninih piksela kao blok. Npr. u MPEG formatu (4) blok je definiran kao podruje 88 piksela.

Slika 1 Privremeno modeliranje

1.2.3. Uzorkovanje signala

Pretvorba analognog u digitalni signal osniva se na teorijskim istraivanjima vie znanstvenika izmeu 1920. i 1940. godine (H. Nyquist, V.A. Koteljnikov). Meutim, osniva teorije informacija C. E. Shannon objavio je krajem etrdesetih teorem uzorkovanja, u kojem je na matematiki nain opisana veza izmeu vremenski kontinuiranih i vremenski diskretnih signala. Teoremom uzorkovanja (Sampling Theorem) je dokazano kako se analogni kontinuirani signal moe pretvoriti u slijed vremenski diskretnih impulsa (uzoraka) i obrnuto, tako da nema nikakvog gubitka informacije. Poslije privremenog i prostornog samplinga imamo kolekciju uzoraka. Stvarno mjerenje prostora ovih uzoraka je jo uvijek neprekidno. Stoga, potrebno je da primjenimo trei tip modeliranja, signal sampling, na jasno mjesto da bi predstavili neprekidni niz originalnih jasnoa u ogranieni set digitalnih vrijednosti signala.

Slika 2 Modeli linearnog i nelinearnog uzorka

1.3. Tipovi medija

0-dimenzionalni pomakOva vrsta podataka je regularan numeriki podatak. Karakteristian primjer je tekstualni podatak. 1-dimenzionalni pomakIma jednu dimenziju prostora zadatu u njima. Tipian primjer za ovaj tip podataka je audio podatak2-dimenzionalni pomakOvaj podatak ima dvije dimenzije prostora odredjene u njima. Slikovni i grafiki podaci su dva uobiajena primjera za ovaj tip podatka.3-dimenzionalni pomakOvaj tip podatak ima tri dimenzije prostora odreene u njima. Video i animirani podaci su standardni primjeri ove vrste podataka

1.4. Medijske specifine odlike

TF-IDFTF-IDF mjera je posebno definirana kao odlika za tekstualni podatak. Dati text baze podataka je sastavljen od N dokumenata i ukupno M rijei. Uzimamo u obzir svaki dokument samo kao kolekciju izdvojenih rijei.Cepstrum Cepstrum odlike se uglavnom koriste za jedno-dimenzionalne media tipove podataka, kao to su audio podaci. Tako prikazan tip media podatka predstavljen je kao jednodimnzionalan signal. Cepstrum je definiran kao Fourier transformacija spektra signalskih decibela. Decibel spektar signala je dobijen uzimanjem logaritma iz Furijeovih transformacija orijentalnog signala. Princip uestalosti Odnosi se na najnie uestalosti u nizu harmonije koja ima tipian audio zvuk. Ako predstavimo audio zvuk kao niz sinusoidnih funkcija, princip uestalosti odnosie se na uestalost koju sinusoidna funkcija ima u spektrima. Princip uestalosti se uglavnom koristi kao odlika za audio data mining. Atributi zvukaUkljuuju visinu tona, glasnou i boju glasa.Visina tona se odnosi na osjeaj dubine ili visine, obino povezano sa uestalou zvukova, uglavnom povezano sa osnovnom uestalou glasova. Glasnoa se odnosi na osjeaj jaine ili inteziteta tona zvuka, uglavnom povezano sa intezitetom energije glasa (protok energije ili oscilacija amplitude zvuka talasa koja prolazi kroz ljudsko uho). Boja glasa se odnosi na osjeaj kvaliteta audio zvukova, uglavnom povezana sa spektrom audio zvukova. Optiki protok Optiki protoci su odlike koje se uglavnom koriste za trodimenzionalne tipove media podataka kao to su video i animacija. Optiki protoci su definisani kao promjene jasnoe slike, specifine lokacije slike za vrijeme kretanja slike, kao to su video i animacijski protoci. Vektori kretanja su korisne informacije u otkrivanju trodimenzionalnog kretanja iz slike u vidokrug kompjuterskog istarivanja. Iako ne postoji direktan put za mjerenje vektorskog kretanja u slici, esto se pretpostavlja da je kretanje vektora isto kao optiki protoci. Prema tome optiki protoci se koriste kao kretanje vektora.

2.1. Modeliranje navigacije

2.2. Uvod

Mnoge ljudske aktivnosti su usko povezane sa snalaenjem i kretanjem u prostoru. Zatoje izgradnja tehnikih sustava sposobnih za samostalno snalaenje u prostoru vrlo atraktivancilj. Kod veine primjena, samostalni pokretni sustav se ne moe kretati unaprijed isplaniranim putem zbog neoekivanih prepreka te nesigurnosti u mjerenju prijeenog puta. Stoga je promjenu poloaja odnosno kretanje redovito potrebno nadzirati senzorima. Glavno osjetilo koje ovjek koristi prilikom snalaenja u prostoru jest vid. Osnovni zahtjev koji takav sustav mora zadovoljavati jest mogunost odreivanja vlastitog poloaja u odnosu na ostale objekte u okoliu. Cilj istraivanja je zato ostvarivanje tzv. lokalizacijske procedure kojom sustav moe odrediti svoj poloaj u prethodno neistraenom okoliu, metodama jednookog raunarskog vida.Za analizu trodimenzionalnih scena mogu se koristiti razni senzori: laserski i ultrazvuni odreivai udaljenosti, infracrvene kamere, stereo parovi kamera i razni dodirni senzori.Svaki od njih ima svoja ogranienja i prednosti, meutim u ovom radu se koristi jednavideo kamera kao relativno jednostavno i pristupano rjeenje koje prua mnogo podatakauz nisku sloenost upravljakih algoritama.

2.3. Mogue primjene

U novije vrijeme, samostalno snalaenje u prostoru se primjenjuje u poljoprivredi,samostalnim cestovnim i terenskim vozilima, sustavima za pomo onesposobljenimosobama, istraivanju nepoznatog okolia, proizvodnji, rukovanju opasnim materijalima i nadgledanju ratita. Upotreba samostalnih pokretnih sustava je posebno pogodna u primjenama kod kojih radna okolina nije prikladna za ljudsku aktivnost. Primjeri takvih okolina ukljuuju dubine oceana, geotermalne izvore, nuklearna postrojenja i svemir (orbitalne stanice, Mjesec, Mars). U skoroj budunosti moe se oekivati da e ure.aji sposobni za autonomnu navigaciju doi u svakodnevnu upotrebu u obliku automatiziranih kunih i poljoprivrednih strojeva. Ostvarivanje sustava za samostalno snalaenje je od centralnog znaaja na podruju svemirskih istraivanja.

2.4. Pregled pristupa samostalnoj loklizaciji

Pristupi snalaenju u prostoru pokretnih robota su dugo bili ogranieni na slijeenjeukopanih metalnih vodova odnosno crta na podu okolia U posljednjem desetljeu, brojni su istraivai pokuavali kvalitativno poboljati sposobnosti kretanja samostalnih robota. Rezultat tih napora su roboti sposobni za samostalnu navigaciju,dinamiko odreivanje i korekciju puta koji robot prelazi kako bi obavio zadatak.

Leonard i Durrant-Whyte problem navigacije svode na slijedea tri pitanja:1. Gdje sam?2. Kuda idem?3. Kako tamo doi?

Odgovor na pitanje 1 je odre.ivanje vlastitog poloaja (lokalizacija) u okoliu itanjem senzorskih ulaza i koritenjem apriornog znanja. Pitanje 2. se odnosi na odabir strategije putovanja, odnosno na odreivanje slijedeeg u nizu meuodredita kroz koje robot treba proi kako bi obavio zadatak. Planiranje kretanja je tema pitanja 3. odabir trajektorije do slijedeeg meuodredita uz izbjegavanje eventualnih pokretnih i nepokretnih prepreka.Ako se okoli predstavi grafom iji vorovi predstavljaju karakteristine lokacije u okoliu, a lukovi meusobnu prostornu povezanost lokacija, odabir strategije putovanja odgovara pronalasku puta u grafu koji omoguava uspjeno obavljanje zadatka. U sluaju da je okoli poznat, taj problem se svodi na traenje optimalnog puta u grafu.Tehnike planiranja kretanja ] se openito mogu podijeliti na egzaktne i heuristike. Heuristike metode su obino raunski manje zahtjevne i zato ire primjenljive od egzaktnih. Meutim, egzaktne metode imaju teorijsku vanost jer odreuju mjere sloenosti pojedinih algoritama odnosno zadataka.

2.4.1 Klasifikacija sustava za samostalnu navigaciju

Betke klasicira zadatke koji se rjeavaju samostalnom navigacijom na temelju nesigurnostikoja je uz njih vezana. Razliiti robotski sustavi se razlikuju po tome koliko apriornog znanja o okoliu imaju na raspolaganju: to vie takvog znanja robot ima, to vie svojih akcija moe isplanirati unaprijed.

U ekstremnom sluaju, apriorno znanje robota potpuno opisuje odnosno modelira okoli. Takvi roboti su nazvani agentima za planiranje puta jer nakon poetne lokalizacije mogu u potpunosti odrediti svoj put i prije poetka fizikog kretanja kroz okoli. Pretpostavka da robot ima kompletnu informaciju o okoliu meutim ne vrijedi za velik broj potencijalnih primjena u kojima robot ima vrlo ogranienu mogunost planiranja puta unaprijed. Takav robot se naziva istraivaem jer znanje o okoliu stie u dijelovima,tokom obavljanja zadatka. Nakon svakog novog saznanja, robot moe donositi odluke na temelju cjelokupnog akumuliranog znanja.

2.4.2. Tehnike lokalizacije

Odreivanje poloaja robota u okoliu se u literaturi oznaava raznim nazivima: lociranje (engl. positioning), odreivanje poloaja (engl. position measurement), ocjena poloaja (engl. position estimation), lokalizacija (engl. localisation,self-localisation). Raznolikost u nazivlju odraava raznolikost pristupa lokalizaciji. Dobra osobina postojeih tehnika lokalizacije je to se meusobno ne iskljuuju pa se mogu obavljati istovremeno, a njihovi rezultati kombinirati. Pokazuje se openito da se takvom kombinacijom vie mjernih tehnika mogu dobiti rezultati bolji od rezultata bilo koje od pojedinanih tehnika. Pristupi lokalizaciji se mogu openito podijeliti na relativne i apsolutne. Kod relativne lokalizacije, poloaj robota se odreuje u odnosu na neki referentni poloaj u kojem se robot prethodno nalazio. Za razliku od relativne, apsolutna lokalizacija podrazumijeva odreivanje poloaja u referentnom koordinatnom sustavu svijeta. Metode relativne lokalizacije ukljuuju mjerenje prijeenog puta i inercijsku navigaciju. Odreivanje apsolutne orijentacije, prepoznavanje aktivnih ili pasivnih referentnih objekata u okoliu te izrada i koritenje modela strukture okolia su glavni pristupi apsolutnoj lokalizaciji. U postojeim sustavima za samostalnu navigaciju i automatski voenim vozilima, uglavnom se kombiniraju jedna relativna i jedna apsolutna tehnika lokalizacije. Formalno, rezultat apsolutne lokalizacije je transformacija koja preslikava 3D koordinatni sustav robota u 3D koordinatni sustav svijeta. Sasvim openito, ta transformacija ima est stupnjeva slobode: tri translacijska i tri rotacijska.

Mjerenje prijeenog putaMjerenje prijeenog puta je tehnika kojom se promjena poloaja robota odreuje praenjemokretanja kotaa. To je najire koritena lokalizacijska tehnika: prua relativno dobru kratkoronu preciznost, relativno je jeftina i dozvoljava visoku uestalost uzorkovanja. Meutim, kao i svaki drugi relativni pristup lokalizaciji, svodi se na integraciju inkrementalnih pomaka u vremenu pri emu se porast mjerne nesigurnosti poloaja robotane moe kontrolirati. Mjerenje prijeenog puta se zasniva na jednostavnim jednadbama koje vae ako okretanje kotaa odgovara prijeenoj pravocrtnoj udaljenosti. Uzroci greaka u takvom proraunu mogu biti sistematski (npr. nejednaki dijametri kotaa) i sluajni (izboine i pukotine u podlozi te proklizavanje kotaa). Tipino,u sustavu u kojem se kombinira mjerenje prijeenog puta s prepoznavanjem referentnih objekata, potrebna uestalost prepoznavanja navigacijskih objekata za uspjenu navigaciju se odreuje empirijski, na temelju procijenjene sistematske greke u najgorem sluaju.

Inercijska navigacijaInercijska navigacija koristi akcelerometre i iroskope kako bi se odredile promjene brzineodnosno rotacije sustava. Novi poloaj robota se odreuje dvostrukom integracijom promjenabrzine, dok se integriranjem rotacijskih pomaka dobiva nova orijentacija. Kao i kod prethodne tehnike, bilo kakva mala konstantna pogreka u mjerenju neogranieno raste nakon integracije u vremenu. Zato ni ova tehnika nije prikladna za upotrebu tokom dueg vremenskog intervala.

Odreivanje apsolutne orijentacijeOrijentacija robota je najvaniji parametar njegovog poloaja to se tie njegovog utjecajana akumuliranu greku mjerenja prijeenog puta. Zato su senzori koji pribavljaju takvuinformaciju iznimno vani. Senzori za odreivanje apsolutne orijentacije se mogu podijelitina geomagnetske senzore (npr. magnetski kompas) i razne vrste iroskopa. Nedostatak geomagnetskih senzora je u tome to je magnetsko polje zemlje esto izoblieno u blizinienergetskih vodova i elinih struktura. To bitno komplicira njihovu upotrebu u zatvorenimprostorima. iroskopi nemaju takve potekoe, meutim sve do nedavno, njihova cijenaje bila previsoka za primjenu u autonomnoj navigaciji. U posljednje vrijeme na tritu sepojavilo nekoliko manje skupih modela komercijalnih iroskopa ija cijena iznosi oko 1000amerikih dolara .

Lokalizacija uz pomo aktivnih referentnih objekataAktivni referentni objekti ili svjetionici (engl. active beacon) su najee izvori elektromagnetskog zraenja poznatih karakteristika. Aktivni sustavi za lokalizaciju objedinjuju vie takvih objekata sa svrhom omoguavanja navigacije u nekom irem okoliu. Svjetionici su najea navigacijska pomagala kod brodova i zrakoplova, a koriste se i kod komercijalnih robota. Mogu se pouzdano detektirati i pruaju precizne lokalizacijske podatke uz visoku uestalost uzorkovanja i minimalno procesiranje. S druge strane, ovakav pristup je povezan s visokim trokovima gradnje i odravanja svjetionika, a ostvareni sustavi su neupotrebljivi u okoliima bez navigacijske infrastrukture. Razlikuju se dva temeljna pristupa lokalizaciji na temelju poznatih poloaja referentnih objekata: trijangulacija i trilateracija.

Lokalizacija trijangulacijomKod ovog pristupa, tri ili vie svjetionika su postavljeni na poznatim lokacijama u okoliu.Robot ima rotirajui senzor koji mu omoguuje prepoznavanje pojedinih svjetionika i odreivanje njihovih azimuta. Iz tih mjerenja moe se odrediti nepoznat poloaj robota. Trijangulacija je posebno vana tehnika jer se moe primijeniti i kod lokalizacije u odnosu na percipirane pasivne referentne objekte. Tada je obino na raspolaganju vei broj referentnih objekata iji identitet i azimut nisu sasvim tono odreeni. Stoga se u literaturi mogu nai razne varijante osnovnog problema trijangulacije.

Lokalizacija trilateracijomPostupak trilateracije je odreivanje poloaja robota na temelju izmjerenih udaljenosti doreferentnih objekata. Ta tehnika se koristi u satelitskim sustavima za odreivanje globalnog poloaja na Zemlji. Takvi sustavi su vrlo obeavajue rjeenje za navigaciju na irem otvorenom prostoru jer nude preciznost lokalizacije. Trilateracija se moe koristiti i u kombinaciji sa pasivnim navigacijskim objektima koji se u okoliu pronalaze stereo vidom ili ultrazvunim odnosno laserskim odreivaima udaljenosti.

2.4.3 Modeliranje strukture okolia

Lokalizacija modeliranjem strukture okolia je tehnika u kojoj robot koristi svoje senzore kako bi kreirao zemljovid susjednih podruja okolia. Tako dobiveni lokalni model se zatim usporeuje s dijelovima globalnog modela okolia koji se nalazi u memoriji robota.Ako usporedba uspijeva, robot je odredio svoj poloaj u okoliu. Pretraivanje globalnog zemljovida se moe ograniiti ako je priblini poloaj robota poznat te ako se greke u postupku odreivanja tog poloaja i graenja lokalnog zemljovida mogu modelirati. Dva su sutinski razliita pristupa lokalizaciji koritenjem zemljovida. Globalni zemljovid okolia moe biti zadan prije poetka navigacije ili se moe graditi u toku gibanja. Robot kojem zemljovid okolia nije unaprijed u potpunosti zadan je robot istraiva. Takav robot, pored snalaenja u prostoru ucrtanom u zemljovid, mora se znati snai i u nedokumentiranim dijelovima okolia te svoja zapaanja ucrtati na odgovarajua mjesta u zemljovidu. Prednost ovakvog pristupa je u tome to se, kao i kod prepoznavanja prirodnih objekata u okoliu, ne zahtijeva mijenjanje okolia. Nadalje, postojee znanje se moe nadopunjavati pa sustav moe biti otporan na promjene u okoliu. Lokalizaciju modeliranjem okolia je posebno pogodno vriti u zatvorenom prostoru, upotrebljavajui stereo vid ili viestruke ultrazvune odnosno laserske odreivae udaljenosti kao senzore. U tom sluaju je za zemljovid prikladno upotrijebiti tlocrt okolia. Ovakav pristup se meutim moe upotrijebiti samo u visoko strukturiranim okoliima sa dovoljno nepokretnih i lako prepoznatljivih znaajki za podudaranje. Nadalje, senzori moraju omoguiti dovoljno precizno prepoznavanje strukture okolia to se moe kositi sa odvijanjem navigacije u realnom vremenu. Opisani pristup je slian lokalizaciji prepoznavanjem referentnih objekata utoliko to se u oba pristupa vri usporedba senzorskih ulaza sa pohranjenim modelom okolia.

2.5. Lokalizacija upotrebom raunarskog vida

Lokalizacija raunarskim vidom se svodi na odreivanje podudarnosti izmeu izluenih znaajki iz 2D slika i strukture 3D okolia. Temeljne komponente procesa lokalizacije raunarskim vidom su stoga: prikaz okolia, model percepcije i algoritam za pronalaenje podudarnosti.Prikaz okolia moe biti topoloki ili geometrijski. Topoloki prikaz okolia jest graf u kojem vorovi odgovaraju karakteristinim lokacijama okolia, dok lukovi obino opisuju njihovu prostornu povezanost. Geometrijski prikaz okolia opisuje kvantitativne geometrijske odnose meu lokacijama okolia i moe biti kontinuiran ili diskretan. Diskretni prikaz okolia se izvodi tablicom koja povezuje modele referentnih objekata s njihovim poloajima u prostoru, a koristi se kada se u okoliu nalazi vei broj karakteristinih, lako prepoznatljivih objekata ili znaajki (npr. stropna rasvjeta). Kada takvih objekata nema, a struktura okolia je poznata, prikladno je okoli opisati kontinuiranim prikazom i prepoznavati elemente njegove strukture. Modeli percepcije i algoritam podudaranja se odabiru na temelju odabranog prikaza okolia odnosno skupa referentnih objekata koje treba prepoznati u cilju lokalizacije. Najee nije dovoljno samo analizirati informacije koje se dobivaju putem senzora nego je potrebno i aktivno sudjelovati u dobivanju informacija, postupcima aktivnog vida. Glavni pristupi lokalizacije pomou raunarskog vida su prepoznavanje referentnih objekata i modeliranje strukture okolia.

3.1. Modeliranje percepcije podataka

Vizualna percepcija se moe definirati kao proces interpretacije i organizacije vizualnih informacija. Ljudi ovaj proces obavljaju nesvjesno, i u njemu su toliko dobri da se je godinama smatralo kako taj proces sam po sebi zasigurno ne moe biti sloen. Sloenost ovog problema postala je oita 1966. godine, kada su znanstvenici na MIT-u (engl. Massachusetts Institute of Technology) svoje ljetne radnike zaposlili na projektu iji je cilj bio preko ljeta raunalno implementirati znaajan dio ljudskog vizualnog sustava. Godina 1966. oznaila je poetak razvoja raunalnog vida, no raunalna implementacija vizualnog sustava jo uvijek (gotovo 50 godina kasnije) ne postoji. U posljednjih pedesetak godina dolo je do napretka i u znanosti o ljudskoj vizualnoj percepciji i u pokuaju njezine raunalne implementacije. Danas se smatra da se prepoznavanje objekata u ljudskom mozgu vri putem niza refleksivnih prorauna koji kulminiraju snanom neuronskom reprezentacijom, no algoritam koji vodi do nje je slabo poznat, a teorija koja bi ga objasnila jo uvijek nastavlja predstavljati izazov. Da bi se stvari jo vie zakomplicirale, u raunarstvu su automatsko prepoznavanje svih objekata na nekoj proizvoljnoj slici i razumijevanje onoga to ta slika prikazuje proglaeni AI-potpunim (engl. AI-complete) problemima. Rjeavanje jednog takvog problema zahtijevalo bi ili bi omoguilo rjeavanje svih ostalih AI-potpunih problema, tj. dovelo bi do rjeavanja sredinjeg problema itave umjetne inteligencije, a to je izrada raunala koje bi moglo imati ili nadmaiti ljudsku inteligenciju.

3.2. Raunalni pristup percepciji

David Marr (19451980) bio je zagovornik raunalnog pristupa vizualnoj percepciji. Navizualnu je percepciju uglavnom gledao kao na problem koji se nalazi unutar podruja obradeinformacija, te koji zapoinje sa velikim nizom intenziteta sive boje. Algoritam za dobivanje opisa slike sastoji od tri koraka: prvobitne skice, 2dimenzionalne skice i 3D modela. Marr je objasnio da su scena i crte te scene jako slini, ak i unato potpuno razliitim slikama u razinama sive boje koje na temelju njih mogu nastati. Ovo znai da simboli na crteu koje je umjetnik nacrtao na neki nain odgovaraju simbolima u stvarnome svijetu koje gledatelj vidi dok gleda scenu na temelju koje je crte nacrtan.

Marr je na temelju toga predloio da bi se u prvobitnoj skici slika trebala transformirati u primitivan, ali bogat, opis naina na koji se intenziteti mijenjaju unutar vidnog polja. Prvobitna se skica ne bi trebala raunati za sve toke, ve bi se mogla raunati za samo odreene toke. U raunalu bi prvobitna skica trebala predstavljati niz brojeva koji bi sadravali informacije o smjeru, veliini i prostornim razmjerima promjena intenziteta na slici.

3.3. Umjetna vizualna percepcija

Pokuaj raunalne imitacije ljudske vizualne percepcije naziva se umjetna vizualna percepcija. Iako trenutno ne postoji raunalni sustav koji bi u potpunosti imitirao ljudsku vizualnu percepciju, postoje sustavi koji implementiraju neke njezine dijelove (npr. sustavi za detekciju specifinih objekata, sustavi za prepoznavanje kategorije kojoj scena na slici pripada i sl.). Takvi sustavi kao ulaz primaju digitalnu sliku (ili niz digitalnih slika), i obino se zasnivaju na analizi boje, teksture i oblika regija te slike, te na detekciji i analizi lokalnih i/ili globalnih znaajki te slike.

3.3.1 Analiza boje na slici

Ljudsko oko osjetljivo je na boje, a znaajke boje jedan su od najvanijih elemenata kojiomoguavaju ljudima da prepoznaju slike.Boja se obino predstavlja pomou histograma boja (engl. color histogram), korelogramaboja (engl. color correlogram), koherentnog vektora boja (engl. color coherence vector) imomenta boja (engl. color moment) pod odreenim prostorom boja.

Histogram bojaHistogrami boja opisuju globalnu distribuciju boja na slici. Lako ih je izraunati i nisu osjetljivi na male promjene u gleditu, meutim nedostatak im je taj to ne ukljuuju prostorne informacije. Nadalje, ako dvije slike imaju sline histograme boje, te slike svejednomogu izgledati vrlo razliito. Ovaj se problem javlja zbog toga to se prilikom raunanjahistograma boja zanemaruju lokacije regija boja na slici.

Korelogram bojaNovu znaajka za indeksiranje i dohvaanje slika naziva se korelogram boje. Korelogram boje se moe upotrijebiti za opis globalne distribucije lokalne prostorne korelacije boje, jednostavno ga je izraunati, prilino je malen i, za razliku od histograma boja, ukljuuju prostornu korelaciju boja. Dakle, korelogram boja daje informacije o tome kako se prostorna korelacija parova boja mijenja sa udaljenou.

Momenti bojaMaheshwari et al. su momente boja opisali kao mjere koje se mogu upotrijebiti za razlikovanje slika na temelju njihovih znaajki koje su vezane uz boju. Temelji ovoga pristupa nalaze se u pretpostavci da se distribucija boje na slici moe interpretirati kao vjerojatnosna distribucija (engl. probability distribution). Vjerojatnosne distribucije su karakterizirane brojem jedinstvenih momenata. Dakle, ako boja na slici slijedi odreenu vjerojatnosnu distribuciju, onda se momenti te distribucije mogu koristiti kao znaajke na temelju kojih se ta slika moe identificirati na temelju boje.

3.4. Analiza teksture na sliciPetrou i Sevilla su teksturu definirali kao varijaciju u podacima koja se dogaa na skalikoja je manja od skale interesa, te nadodali da je tekstura vana zbog dva razloga: moe predstavljati smetnju u automatskim vizualnim sustavima, moe predstavljati vanu znaajku prilikom prepoznavanja objekata, jer sadri neke informacije o materijalu od kojega je objekt napravljen. Tuceryan i Jain su metode za analizu teksture podijelili na statistike metode, geometrijske metode, metode utemeljene na modelima (engl. model based methods) i metode utemeljene na obradi signala (engl. signal processing methods).

3.5. Lokalne znaajke slikeLokalne znaajke (engl. local features) neke slike su manji dijelovi te slike (npr. toke, rubovi,kutovi ili regije) koji se, na temelju odreenih svojstava, razlikuju od svoje okoline. Obino se povezuju sa promjenama intenziteta, boje i teksture, iako se ne moraju nuno nalaziti na mjestima na slici na kojima je dolo do tih promjena.

4.1 Modeliranje prijenosa

4.2.Klasifikacija medija za prijenos podataka

iani mediji - raunala se fiziki povezuju nekom vrstom ice Bakrene ice - "bakar" Optika vlakna - "staklo" ili "optika"Beini mediji - raunala fiziki nisu povezana. Podaci se prenose kroz prostor nekom vrstom elektromagnetskih valova Radio valovi Mikrovalovi Infracrvene zrake Laserske zrake

4.2.1. Bakrene ice

Podaci se prenose pomou elektrine struje. Koristi se bakar jer je on dobar vodi elektrine struje, a jo uvijek je relativno jeftin. Pojavljuje se problem interferencije - dvije ice induciraju struju jedna u drugoj i tako proizvode smetnju. Konstrukcija pojedinih tipova ica nastoji smanjiti interferenciju. Lagano se savijaju i spajaju.Tradicionalno se primjenjuju za povezivanje raunala u LANU upotrebi su tri tipa bakrenih ica: Unshielded twisted pair - UTP Coaxial Cable - Coax Shielded twisted pair - STP

Unshielded twisted pair - UTP - Svaka parica samostalno je uvijena i potom su sve meusobno uvijene kako bi se poveala otpornost na vanjske utjecaje. Oko svih parica zajedno je zatitni plastini omota. Nema vodljiv omota, to ga ini manje otpornim na um i vanjske elektromagnetske utjecajeCoaxial Cable - Coax - ica se sastoji od sredinjeg bakrenog vodia (D), izolirajue folije (C), mreice za elektromagnetsku zatitu (B) i vanjskog omotaa (A)Shielded twisted pair - STP - ica s uvijenim bakrenim paricama oklopljen vodljivim pletivom ili omotaem. Dvije izvedbe: s pojedinano oklopljenim paricama (STP) ili samo s vanjskim vodljivim oklopom oko svih parica (ScTP - Screened Twisted Pair). Za zadnju navedenu vrstu ponekad se koristi naziv FTP (Foil screened Twisted Pair), kada je u pitanju vodljiva folija kao oklop. Oko oklopa je plastini zatitni omota.

4.2.2. Optika vlakna

Tanke niti stakla u plastinim ovojnicama. Podaci se prenose pomou svjetla odreene boje kojeg proizvodi light emitting dioda (LED) ili laser. Mogu prenositi signal na puno veu udaljenost nego bakrena ica. Ostvaruju najveu moguu brzinu prijenosa. Otporne su na elektromagnetske smetnje.Mogu se donekle savijati, ali ne pod pravim kutom.Teko ih je spajati i popravljati u sluaju loma. Primjenjuju se u WAN za povezivanje udaljenih lokacija, a takoer i u LAN.Sastoji se od jezgre (kroz koju svjetlost putuje), plata (od koje se svjetlost odbija) i vanjskog zatitnog plata

4.2.3. Radio valovi

Elektromagnetski valovi iz frekventnog raspona koji se inae koristi za radio ili televiziju. Podaci se prenose preko valova odreene frekvencije, slino kao radio program. Raunala moraju imati antene za emitiranje i primanje valova. Domet ovisi o izabranoj frekvenciji valova.Primjenjuju se za wireless LAN-ove, pogotovo za spajanje prijenosnika na mreu.Takoer se primjenjuju za uspostavljanje interkontinentalnih veza izmeu dijelova Interneta tada su potrebni sateliti. Svrha satelita u interkontinentalnim vezama je da pojaavaju radio signal i svladavaju zakrivljenost zemlje. Geostacionarni sateliti stoje u odnosu na Zemljinu povrinu. Svi se guraju u istoj orbiti na 35785 kilometara iznad ekvatora, tako da je prostor za njih ve potroen. Niskoorbitni sateliti se pomiu u odnosu na Zemljinu povrinu. Mora ih biti nekoliko, a antene na Zemlji moraju se okretati.

4.2.4. Ostali mediji za prijenos podataka

MikrovaloviElektromagnetski valovi iz frekventnog raspona iznad onog koji se koristi za radio ili televiziju. Podaci se opet prenose preko valova odreene frekvencije, slino kao radio program. Za razliku od radio valova, mikrovalovi se mogu usmjeriti prema jednoj toki, ime se tedi energija i sprijeava prislukivanje.Takoer, mikrovalovi mogu nositi vie informacija nego radio valovi. Mana im je da ne mogu proi kroz neke vrste zapreka. Antene se zato moraju postaviti tako da meu njima postoji optika vidljivost.Primjena je u gradskim WAN-ovima, tamo gdje bi inae bilo skupo polaganje ica.Infracrvene zrakeElektromagnetski valovi iz infracrvenog (toplinskog) spektra, dakle ispod frekventnog raspona vidljive svjetlosti. Podaci se prenose preko valova odreene frekvencije. Jeftino rjeenje u odnosu na druge beine medije jer ne zahtijeva antene. Infracrvene zrake imaju mali domet, svega nekoliko metara. Koriste se za beino povezivanje ureaja unutar jedne sobe: prijenosnici, tipkovnice, mievi.Laserske zrakePodaci se pretvaraju u svjetlo, koje se umjesto optikim vlaknima prenosi zrakom. Koristi se lasersko svjetlo, zato jer ono ima relativno veliki domet i moe se usmjeriti prema jednoj toki. Primjena je ograniena zato jer laserske zrake ne mogu proi kroz vegetaciju, snijeg ili maglu. Prijemnici i predajnici moraju biti postavljeni tako da meu njima postoji optika vidljivost.

4.2.5. Usporedba medija za prijenos podataka

iani mediji openito ostvaruju vee propusnosti, bolje se mogu zatititi od prislukivanja, nisu osjetljivi na atmosferske prilike. Beini mediji openito imaju manju cijenu uvoenja (osim onda kad trebamo satelite), nisu podloni oteenjima medija, lake ostvaruju irenje (broadcast) iste poruke veem broju primatelja.Kod svih vrsta medija mogue su greke ili gubici pri prijenosu podataka. Za oienje LAN-a bakar je jeftinije rjeenje, a staklo ouzdanije i s veim dometom

4.3. Modulacija i demodulacija

Sklopovlje (hardware) koje prima niz bitova i na osnovu njega modulira nosa zove se modulator.Sklopovlje (hardware) koje prima modulirani nosa i na osnovu njega reproducira niz bitova zove se demodulator.Dva raunala mogue je povezati bakrenim icama tako da istovremeno mogu razmjenjivati podatke u oba smjera to je full duplex veza. Za to su potrebna 2 modulatora, 2 demodulatora i 4 ice. Obje vrste sklopovlja (modulator i demodulator) kombiniraju se u jednoj kutiji koja se zove full duplex modem. Postoje i drugi slini ureaji: Half duplex modem: 2 ice naizmjenino slue za prijenos bitova u jednom odnosno drugom smjeru Dial-up modem: slui za spajanje raunala na mreu preko telefonske linije, koristi nosa koji odgovara sluljivom tonu, simulira neke funkcije telefona, postie propusnost od 54 Kbit/s Optiki modem: spaja se na optika vlakna, koristi kao nosa svjetlo odreene boje. Radio modem: koristi kao nosa radio val odreene frekvencije, ugrauje se uprijenosnike kao suelje za wireless LAN.

4.4. Multipleksor i demultipleksor

Za sve promatrane medije vrijedi slijedei princip: dva ili vie signala koji koriste nosae razliitih frekvencija mogu se istovremeno prenositi kroz isti medij bez interferencije.U kontekstu raunalnih mrea princip daje metodu kojom vie parova raunala mogu istovremeno komunicirati kroz isti medij (npr. kroz istu icu).Metoda istovremenog komuniciranja kroz isti medij naziva se multipleksiranje djeljenjem frekvencija. Njome se postie vea ukupna propusnost medija, dakle prijenos veeg ukupnog broja bitova na sekundu.Odabrane frekvencije moraju ipak biti dovoljno razdvojene da meu njima ne bi dolazilo do interferencije. Mogunosti multipleksiranja su dakle ograniene ukupnom irinom pojasa frekvencija (bandwidth) koje dotini medij doputa. Tehnologija koja doputa vei stupanj multipleksiranja zove se irokopojasna (broadband).Multipleksor je sklopovlje (hardware) koje proizvodi nekoliko nosaa razliitih frekvencija, modulira svaki nosa s odgovarajuim nizom bitova, te spaja modulirane nosae u jedan signal.Demultipleksor je sklopovlje (hardware) koje prima signal, razlae ga na modulirane nosae, te reproducira iz njih odgovarajue nizove bitova.Alternativa multipleksiranju djeljenjem frekvencija je multipleksiranje djeljenjem vremena. Upotrebljava se samo jedan nosa s odabranom frekvencijom. Poiljatelji naizmjenino koriste taj isti nosa, svaki u svojim zasebnim vremenskim intervalima. Dijeljenjem vremena ne poveava se ukupna propusnost medija. Umjesto toga, polazna propusnost rasporeuje se na vie parova poiljatelja i primatelja. to ima vie parova, to svaki od njih trpi sve sporiju komunikaciju.Primjer: ADSL modem stvara 286 nosaa, od kojih 255 slui za prijenos od mree prema korisniku, a 31 za prijenos u obratnom smjeru.Biraju se vrlo visoke frekvencije nosaa koje ne interferiraju s glasovnim frekvencijama, tako da se telefon i dalje moe koristiti preko iste ice.U idealnim uvjetima ADSL ima propusnost 6.4 Mbit/s prema korisniku, odnosno 640 Kbit/s u obratnom smjeru.

4.5. Paket

U veini raunalnih mrea poruka se ne prenosi kao jedan kontinuirani niz bitova.Umjesto toga, svaka poruka dijeli se u male dijelove koji se zovu paketi i koji se alju zasebno.Zbog upotrebe paketa, raunalne mree se esto nazivaju mree s prospajanjem paketa (packet switching networks) - paketi od vora do vora putuju razliitim putevima.Telefonske mree rade na drugaijem principu i nazivaju se mree s prospajanjem linija (circuit switching networks) - paketi od vora do vora putuju istim putem.

4.5.1. Prednosti upotrebe paketa

Efikasnije i pravednije koritenje zajednikih resursa. Kad bi se kroz zajedniki resurs slale kontinuirane poruke, tada bi jedan par raunala mogao zauzeti resurs, a drugi bi morali dugo ekati da dou na red. Razbijanjem poruka u pakete postie se vremensko dijeljenje zajednikog resursa. Dakle raunala naizmjenino alju pakete kroz resurs, ni jedno raunalo ne osjea dugi zastoj. Mogunost da paketi paralelno putuju razliitim putevima kroz mreu, ime se ubrzava prijenos podataka. Lake ispravljanje greaka u prijenosu podataka. Ako se otkrije greka, tada treba ponovo prenijeti samo jedan paket, a ne cijelu poruku.

4.5.2. Mane upotrebe paketa

Odreeni slojevi protokola moraju se baviti dijeljenjem poruka u pakete, te kasnijim sortiranjem i ponovnim sastavljanjem paketa u poruke. Nije mogue garantirati propusnost veze izmeu dva raunala. Budui da veza nije ekskluzivno rezervirana za jednu poruku, prijenos podataka moe se usporiti zbog dijeljenja vremena s drugim porukama.

5.1. Semantika Pretraivanja

Semantiko pretraivanje informacija u tekstualnim dokumentima je zadatak discipline dubinske analize teksta ili rudarenja tekstualnih podataka (engl. text mining). Sastavni je dio discipline dubinske analize podataka ili rudarenja podataka (engl. data mining) bavi se sadrajno utemeljenom obradom nestrukturiranih tekstualnih dokumenata i izdvajanjem korisne informacije iz njih.

5.2. Modeli

Zadatak pretraivanja informacija je vratiti kao rezultat pretraivanja na postavljen korisniki upit to vie dokumenata relevantnih za korisniki upit i pri tome vratiti to manje dokumenata koji nisu relevantni.

Matematiki modeli za predstavljanje tekstualnih dokumenata: Vjerojatnosni model Logiki model Model vektorskog prostora (MVP) ili model vree rijei (engl. bag of words)

U MVP (Modelu vektorskog prostora) tekstualni su dokumenti predstavljeni u visokodimenzionalnom vektorskom prostoru. Dimenzija prostora ovisi o broju indeksnih pojmova aMVP (Modelu vektorskog prostora) se implementira formiranjem matrice pojmova idokumenata.

5.3. Matrica pojmova i dokumenata

Matrica pojmova i dokumenata je matrica tipa mn gdje je m broj pojmova, a n je broj dokumenata. Redak matrice pojmova i dokumenata predstavlja pojam. Stupac matrice pojmova i dokumenata predstavlja dokument.

5.4. Upit

Korisniki upit je predstavljen u istom obliku kao i dokumenti (m-dimenzionalni vektor).Mjera slinosti izmenu upita q i dokumenta aj je kosinus kuta izmenu vektorskih reprezentacija upita i dokumenta.

5.5. Evaluacija pretraivanja informacija

30

Mjere evaluacije: Odaziv Preciznost Prosjena preciznost

Odaziv: Preciznost:

je broj relevantnih dokumenata izmjenu i najvie rangiranih dokumenata je ukupan broj relevantnih dokumenata u zbirci dokumenata

Prosjena preciznost prosjena preciznost navie nivoa odaziva (obino 11)

5.6. Problemi kod pretraivanja informacija

U klasinom MVP slinost izmeu dokumenata i upita ispituje se leksiki.

Problem kod pretraivanja informacija predstavljaju Sinonimi mogu biti razlog slabog odaziva Vieznanice mogu biti razlog slaboj preciznosti pretraivanja Kod pretraivanja informacija na Web-u nije mogue nai sve relevantne dokumente

Neke od tehnika za semantiko pretraivanje: proirivanje korisnikog upita kod dokumenata na web-u: koritenje strukture poveznica (engl. link) izmeu dokumenata konceptualno indeksiranje dokumenata

5.7. Primjeri nove generacije pretraivanjaPrimjerice, pretragom pojma Plitvika jezera vidjet ete kljune atribute koje trailica zna o traenom pojmu, poput lokacije, nadmorske visine, prosjene nadmorske visine i slino. Nasuprot tome, ako danas traite isti pojam, rezultat pretrage nudi samo poveznice na slubene stranice, stranice wikipedie i link na traeno mjesto na karti.Za sloenije upite poput Koja su 10 najveih jezera u Kaliforniji? Google moe dati odgovor na upit, umjesto samo poveznica na druge web stranice.

Slika 3 Pristup semantikom pretraivanju

Zakljuak

Reference

1. Jasminka Doba: Semantiko pretraivanje informacija u tekstualnim dokumentima 2. Maja Braovi: Pregled metoda za automatsku detekciju i prepoznavanje objekata na digitalnim slikama 3. Sinia egvi: "Uporaba projekcijske geometrije i aktivnog vida u tumaenju scena"4. Mirko Stoji: "Odlike i prezentacije saznanja multimedijalnog podatka"5. Alen Jakupovi: "Raunalne mree"