Redukcia dát a extrakcia príznakov

Dve základné aplikácie pri redukcii dát sú

• kompresia obrazov
• extrakcia príznakov.

Vo všeobecnosti kompresia pozostáva z dvoch krokov: komprimácia a dekomprimácia. Pre tieto kroky bola použitá NS, napr. komprimácia na úrovni bodov (pixel-based encoding-decoding) [25][8] pomocou jednej siete, resp. pomocou modulárneho prístupu [20][39]. Rôzne typy NS boli navrhnuté na kompresiu obrazov: dopredné siete [76] [78], samoorganizujúce sa mapy [3] [79], adaptívny fuzzy leader clustering (prístup podobný fuzzy ART-u) [39]. Podrobnejší prehľad problematiky je rozpracovaný v [62]. Prístupy VI sú porovnávané so všeobecne používanými štandardmi kompresie ako JPEG. Hlavná výhoda prostriedkov VI, (hlavne NS) je ich adaptabilita, vďaka ktorej môžme dosiahnuť lepší kompresný pomer.
Extrakcia príznakov môže byť chápaná ako špecifický prípad redukcie dát. Jej cieľom je nájsť podmnožinu premenných založených na obrazových dátach. Keďže obrazové dáta sú obyčajne mnohorozmerné, extrakcia príznakov je potrebný krok pre ďalšiu segmentáciu a rozpoznávanie objektov. Popri znížení výpočtovej zložitosti, má extrakcia príznakov význam aj pri riešení tzv. curse of dimensionality^2.1.
Existuje rozsiahla množina NS, ktoré môžu byť učené na realizáciu mapovania do priestoru s menším rozmerom, pomerne rozsiahly popis tejto problematiky je uvedený v [31]. Často používaným prostriedkom je Ojova neurónová implementácia jednorozmernej metódy hlavných komponentov (principal component analysis, PCA) [48], neskôr rozšírená na viacrozmernú [49]. Ďalší možný prístup je zhlukovanie viacrozmerných dát, napr. pomocou SOM [30][77]. Väčšina NS použitých na extrakciu príznakov pracuje na úrovni bodov. Vo vyššie spomenutých aplikáciach extrahované príznaky boli použité pre neskoršiu segmentáciu, porovnávanie obrazov alebo rozpoznávanie objektov. V niekoľkých prípadoch boli použité postupy, ktoré berú do úvahy aj rotáciu objektov pri rozpoznávaní.
Nevýhody použitia jednoduchších NS v tomto prípade spočívajú v probléme natočenia a zväčšenia/zmenšenia objektov. Tento problém sa dá riešiť pomocou spoločného použitia NS s inými nástrojmi, alebo použitím zložitejších štruktúr.