Карты Кохонена для восстановления изображений

@Gleb2017 · Регистрация: 03.07.2017

Студворк — интернет-сервис помощи студентам

Здравствуйте! Попалась на глаза статья, где описывалась нейросеть для восстановления фрагментов изображения с помощью карт Кохонена, было упоминание о реализации на C#, но самого кода нигде нет.

Ссылка на статью на Хабре и оригинал статьи . Может, у кого есть код этого чуда (Самостоятельно разобраться в алгоритме пока не удаётся). Буду рад любой помощи.
Заранее, спасибо

@Рядовой · 24.08.2017, 20:51

Сообщение от Gleb2017

Может, у кого есть код этого чуда

Это совсем не "чудо". Чтобы восстанавливать изображение, алгоритму требуется неповрежденный оригинал, ибо сетка сама не в состоянии определить битый пиксель, чего автор в посте не указал, но в комментах упомянул. Так что практического применения этого алгоритма 0, как сказал автор это просто проверка концепции.
Можно самому пытаться допиливать это дело до ума, но это уже выходит за рамки этой статьи.

Сообщение от Gleb2017

Самостоятельно разобраться в алгоритме пока не удаётся

Строится нейросеть, где каждый нейрон соответствует участку изображения n*n пикселей. Затем итерационно весы каждого нейрона подгоняются под это изображение. Когда сеть обучена она проходит по квадратам, и если тот битый (тут то и нужен оригинал, чтобы построить карту битых пикселей) заменяет его на наиболее подходящий.

@LanaRix · 16.06.2020, 14:14

Пытаюсь реализовать алгоритм. Но в результате у меня все уходит в синий цвет и квадратик карты выглядит как на рисунке 1, при исходном изображении, как на рисунке 2. Что я делаю не так? У меня цвет представляется в виде числа в десятичной системе счисления, которое получается переводом из 16-ричной с.с. цвета. Например, если цвет был F5D342, то у меня будет число 16110402. Координаты нейрона - это его координаты на двумерной карте, например, (1;1), (2,5), (12,17). Высота карты равна ширине карты. Для функции d(c,i) используются координаты нейрона на карте. Привожу код, в котором выполняю первые 10 итераций (с заданными BMU) на c#.

Вызов

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
  
 public void Create10Points()
        {
            ColorsForPixels();
 
            First10 first10 = new First10();
 
            //10 блоков, несущие максимальные кол=во информации (главные точки блоков)
            //массив 10х2
            TenBlocks = first10.P10MAX1(Image, S);
 
            //10 BMU
            //массив 10х2
            TenBMU = first10.BMU(CardSize);
 
            
            for (int i = 1; i <= 10; i++)
                first10.MapErrorCalculation(
                    neurons, 
                    Image, 
                    new int[] { TenBlocks[i - 1, 0], TenBlocks[i - 1, 1] }, 
                    CardSize, 
                    new int[] { TenBMU[i - 1, 0], TenBMU[i - 1, 1] }, 
                    i, 
                    S, N);
        }

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
public int[,] P10MAX1(ImageModel model, int S)
            {
                bool damage;
                double symma;
                double[,] max = new double[10, 3];
 
                //задаем отрицательные значения - блоки еще не выбраны
                for (int k = 0; k < 10; k++)
                {
                    max[k, 0] = -1;
                    max[k, 1] = -1;
                    max[k, 2] = -1;
                }
 
                //пока не прошли по всему изображению
                for (int x = S / 2; x < model.Width - S / 2 - 1; x++)
                    for (int y = S / 2; y < model.Height - S / 2 - 1; y++)
                    {
                        symma = 0; 
                        damage = false;
                        if (model.Pixels[x, y].Damage==false)
                            for (int i=x-S/2; i<=S/2+x; i++)
                                for (int j = y - S / 2; j <= S / 2 + y; j++)
                                {
                                    //если блок не поврежден
                                    if (damage == false)
                                    {
                                        //если текущий пиксель оказался поврежденным
                                        if (model.Pixels[i, j].Damage == true) 
                                            damage = true;
 
                                        //а если не поврежденный
                                        else if (i != x && j != y)
                                        {
                                            symma += Math.Pow(model.Pixels[i, j].PixelValue - model.Pixels[x, y].PixelValue, 2);
                                        }
                                    }
                                }
 
                        //как только закончили считать информацию от блока
                        //проверяем, является ли он одним из 10 несущих макс количество информации
                        if (damage == false)
                        {
                            for (int k = 0; k < 10; k++)
                            {
                                //если значение еще не найдено
                                if (max[k, 0] == -1)
                                {
                                    max[k, 0] = x;
                                    max[k, 1] = y;
                                    max[k, 2] = symma;
                                    break;
                                }
 
                                else if (symma > max[k, 2])
                                {
                                    for (int j = 9; j > k; j--)
                                    {
                                        max[j, 0] = max[j - 1, 0];
                                        max[j, 1] = max[j - 1, 1];
                                        max[j, 2] = max[j - 1, 2];
                                    }
                                    max[k, 0] = x;
                                    max[k, 1] = y;
                                    max[k, 2] = symma;
                                    break;
                                }
                            }
                        }
                    }
 
                int[,] coordin = new int[10, 2];
                for (int i = 0; i < 10; i++)
                {
                    coordin[i, 0] = (int)max[i, 0];
                    coordin[i, 1] = (int)max[i, 1];
                }
                return coordin;
            }

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
public int [,] BMU(int CardSize)
            {
                //int r = 3 * (CardSize / 2) / 2;
                //int r = (CardSize / 2) / 3 * 2 + 1;
                int r = (CardSize / 6)*2;
                if (r == 0) r++;
 
                int[,] coordin = new int[10, 2];
 
                coordin[9, 0] = CardSize / 2;
                coordin[9, 1] = CardSize / 2;
 
                for (int i=0; i<9; i++)
                {
                    int alfa = 40 * i;
                    coordin[i, 0] = Convert.ToInt32(r * Math.Cos(alfa*Math.PI/180)) + coordin[9, 0];
                    coordin[i, 1] = Convert.ToInt32(r * Math.Sin(alfa * Math.PI / 180)) + coordin[9, 1];
                }
                return coordin;
            }

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
 double d(int[] BMU, int[] neuron, int Q)
            {
                double r = -1;
                for (int i = -Q; i <= Q; i += Q)
                    for (int j = -Q; j <= Q; j += Q)
                    {
                        double r1 = Math.Pow(Math.Pow(BMU[0] - neuron[0] + i, 2) + Math.Pow(BMU[1] - neuron[1] + j, 2), 0.5);
 
                        if (r == -1 || r1 < r)
                            r = r1;
                    }
                return r;
            }

C#
1
2
3
4
5
6
double H(int CardSize, int t, int [] BMU, int [] neuron)
            {
                double a = t < 10 ? 1 : 1 / Math.Pow(t - 9, 0.2);
                double q = 5 * Math.Pow(Math.Pow(CardSize,2), 0.5) / Math.Pow(t, 0.5);
                return a * Math.Exp((-1) * d(BMU, neuron,CardSize) / (2 * q));
            }

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
 public void MapErrorCalculation(NeuronModel [,] neurons, ImageModel image, int [] bestPixel, int CardSize, int [] BMU, int t, int S, int N)
            {
                //пока не прошли по всем нейронам карты
                for (int x=0; x<CardSize; x++)
                    for (int y=0; y<CardSize; y++)
                    {
                        //вычисляем расстояние от нейрона (x;y) до BMU
                        double h = H(CardSize, t, BMU, new int[] { x, y });
 
                        //пока не прошли по всему блоку
                        for (int n = 0; n < N; n++)
                        {
 
                            //получаю кординаты пикселя из блока
                            int i = bestPixel[0] - S / 2 + ((n + 1) % S);
                            int j = bestPixel[1] - S / 2 + ((n + 1) / S);
 
                            //пересичтываю значение координаты нейрона
                            neurons[x, y].M[n] += Convert.ToInt32(h * (image.Pixels[i, j].PixelValue - neurons[x, y].M[n]));
                        }
                    }
            }

Новые блоги и статьи Все статьи Все блоги /
сукцессия микоризы: основная теория в виде двух уравнений. anaschu 11.01.2026 https:/ / rutube. ru/ video/ 7a537f578d808e67a3c6fd818a44a5c4/	WordPad для Windows 11 Jel 10.01.2026 WordPad для Windows 11 — это приложение, которое восстанавливает классический текстовый редактор WordPad в операционной системе Windows 11. После того как Microsoft исключила WordPad из. . .	Classic Notepad for Windows 11 Jel 10.01.2026 Old Classic Notepad for Windows 11 Приложение для Windows 11, позволяющее пользователям вернуть классическую версию текстового редактора «Блокнот» из Windows 10. Программа предоставляет более. . .	Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .
Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .	Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и источниками (напряжения, ЭДС и тока). Найти токи и напряжения во всех элементах. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и. . .

@Gleb2017 0 / 0 / 1 Регистрация: 03.07.2017 Сообщений: 18

	.NET 4.x Карты Кохонена для восстановления изображений 24.08.2017, 19:45. Показов 1798. Ответов 2 Метки нет (Все метки) Здравствуйте! Попалась на глаза статья, где описывалась нейросеть для восстановления фрагментов изображения с помощью карт Кохонена, было упоминание о реализации на C#, но самого кода нигде нет. Ссылка на статью на Хабре и оригинал статьи . Может, у кого есть код этого чуда (Самостоятельно разобраться в алгоритме пока не удаётся). Буду рад любой помощи. Заранее, спасибо 0