В этом разделе объясняется, почему задача распознавания геометрических фигур подходит для знакомства с компьютерным зрением. Формулируются проблема, цель и задачи проекта, указываются выбранные классы объектов и предполагаемый результат. Также обозначаются границы исследования: какие изображения будут рассматриваться и какие условия распознавания не входят в проект.

Раздел описывает фигуры, которые будут распознаваться, и их геометрические свойства. Уточняются определения круга, треугольника, квадрата и прямоугольника, а также признаки, позволяющие различать классы. Это необходимо, чтобы разметка изображений опиралась на единые правила, а результат алгоритма можно было сравнить с математически корректным ответом.

Здесь рассматривается, как изображение представляется в компьютере и какие характеристики можно извлечь для распознавания. Обсуждаются контур, число вершин, площадь, пропорции и влияние цвета, фона и поворота. Раздел помогает понять, почему визуально похожие объекты могут давать алгоритму разные данные и как подготовка изображения влияет на результат.

В разделе сравниваются простые правила распознавания и классификаторы, обучаемые на размеченных примерах. Объясняется общий принцип: алгоритм получает признаки изображения и выбирает наиболее подходящий класс. Рассматриваются преимущества и ограничения разных подходов, чтобы обосновать выбор метода, который соответствует объёму проекта и доступным программным средствам.

Этот пункт связывает учебную задачу с практическими примерами компьютерного зрения. Рассматриваются ситуации, где важно находить форму объекта: проверка деталей на производстве, анализ чертежей и интерактивные обучающие приложения. Примеры показывают, что выбор классов и допустимых ошибок зависит от назначения системы, а не только от математических свойств фигур.

В практической части описывается, как собрать или создать изображения, назначить каждому правильную метку и проверить однозначность примеров. Указываются число классов, условия съёмки или генерации изображений и порядок разделения данных на обучающую и проверочную части. Такой порядок снижает риск случайной подмены ответов и делает эксперимент воспроизводимым.

Раздел посвящён созданию демонстрационного классификатора в выбранной программе или среде разработки. Описываются входные данные, этапы их обработки, используемые признаки и способ получения предсказанного класса. Здесь же фиксируются настройки и последовательность действий, чтобы читатель мог повторить работу модели на новых изображениях и понять, откуда берётся результат.

В этом пункте модель испытывается на изображениях, не использованных при её настройке. Результаты сопоставляются с правильными метками, подсчитывается доля верных ответов и отмечаются случаи путаницы между похожими фигурами. Анализ ошибок помогает определить ограничения классификатора и предложить улучшения: добавить примеры, уточнить признаки или изменить условия подготовки изображений.

В заключении кратко подводятся итоги практической проверки и соотносятся полученные результаты с задачами проекта. Указывается, какие фигуры удалось распознавать, в каких случаях возникали ошибки и какие факторы влияли на точность. Также формулируются возможные направления дальнейшей работы, например расширение набора классов или проверка модели на более разнообразных изображениях.

В список включаются использованные учебники по геометрии и информатике, материалы о представлении и обработке изображений, а также документация выбранной программы или библиотеки. Для каждого источника указываются автор или организация, название и год публикации либо дата обращения к интернет-ресурсу. Список позволяет проверить теоретические сведения и повторить описанные практические действия.