Viability of Image Classification with Introduction of Transparent Barriers

Sammanfattning: I denna uppsats undersöks bildklassifikation på bilder med barriärer med maskininlärningsmetoder. I verkliga situationer kan det finnas någon form av barriär i vägen för det föremål en kan tänkas vilja klassificera. Genom att implementera en enkel maskininlärningsalgoritm, försöker vi ge en ungefärlig lägre begränsning på klassifikationens säkerhet i denna typ av problem. Resultaten tyder på att maskininlärning är ett användbart verktyg, trots att dess prestanda försämras när barriärer blir kraftigare och med invecklade. I det bästa fallet försämrades algoritmens träffsäkerhet endast med en procentenhet då en barriär användes, jämfört med fallet då inga barriärer användes. Detta skedde då den använda algoritmen fick träna på liknande barriärbilder. Då algoritmen inte får träna på dessa bilder blir träffsäkerheten märkbart försämrad. Dessutom tycks algoritmens träffsäkerhet vara oberoende av bildstorleken, trots att den tillgängliga informationen är begränsad på grund av introduktionen av barriärer.