Статья о распознавании образов - на русском и с картинками

Digit

Собственно ссылка: Распознавание образов.
Ваша оценка работе?

Добавлено спустя 2 минуты 24 секунды:
Кстати, там внизу есть ссылка на прогу, которая эмулирует камеру в Windows, посылая в поток картинку с десктопа.

Цитата:

Программа, которая эмулирует видео камеру в Windows, пуская в изображение указанную часть десктопа очень удобно, если хочется что-то написать и проверить, а камеры под рукой нет. Рисовать изображение можно в painte, затем когда появится реальная камера - менять ничего не нужно -все интерфейсы останутся те же. Иногда работает, иногда глючит...

EDV

Для дипломной работы это просто супер, автор проанализировал имеющиеся методы распознавания (не поленился), и придумал свой оригинальный алгоритм. Но на практике всё решает скорость и точность распознавания.

=DeaD=

Для учебной работы отлично, для практической - не вижу выводов - качество распознавания (% правильно распознанных, при каких размерах и т.п.) где? Как бороться со случаем, когда сегментация промазала? Почему бы тупо не сравнить 2 картинки когда нашли центр тяжести и ориентацию, к чему все эти навороты с нейросетями?

В общем полезного засчитывается только - инварианты изображений.

Виталий

Работу считаю отличной пока кто-нибудь из нас не написал лучше.

Digit

Dead, у него там действительно нет конкретных цифр по сравнению методов. Только, если не ошибаюсь, проскакивала, что на нейросетях... Во, нашел:

Цитата:

Многослойная нейросеть обратного распространения ошибки, занимается тем же, что и процентный алгоритм сравнения матрицы, однако за счет своей нелинейной структуры распознает она на 10-30% лучше тупово поточечьного сравнения двух матриц.

Это самое "тупое сравнение картинок" у него тоже оставлено в проге.
А вообще, в дипломе должно проводиться сравнение методов и даваться выводы. Иначе диплом ущербный

Так что если с автором связаться, то он не постесняется поделиться инфой, как мне думается.

=DeaD=

Digit писал(а):

Dead, у него там действительно нет конкретных цифр по сравнению методов. Только, если не ошибаюсь, проскакивала, что на нейросетях... Во, нашел:

Цитата:

Многослойная нейросеть обратного распространения ошибки, занимается тем же, что и процентный алгоритм сравнения матрицы, однако за счет своей нелинейной структуры распознает она на 10-30% лучше тупово поточечьного сравнения двух матриц.

Это самое "тупое сравнение картинок" у него тоже оставлено в проге.
А вообще, в дипломе должно проводиться сравнение методов и даваться выводы. Иначе диплом ущербный

Так что если с автором связаться, то он не постесняется поделиться инфой, как мне думается.

Да пока не влезаю в эту тему - а потом наверное другие методы буду бользовать не отделенные от фона и не только черно-белые

Про 10-30% очень бы хотелось узнать как они это считали (методика тестирования), а то можно и кости бросать что всегда нужное будет выпадать, вот теория вероятности то не ожидает

PS: Вообще, кто-нибудь, расскажите мне чем двухслойная нейросеть в его примере 256 - 6 отличается от попиксельного сравнения принципиально???

Digit

...хм...
Принципиально отличается видимо методом обработки пикселей, поскольку нейросеть реализует не сравнение, а высчитывание некоей функции на основе данных в пикселях. А сравнение только сравнивает и говорит - равны пиксели или нет...

ну вот как-то так

=DeaD=

Digit писал(а):

Принципиально отличается видимо методом обработки пикселей, поскольку нейросеть реализует не сравнение, а высчитывание некоей функции на основе данных в пикселях. А сравнение только сравнивает и говорит - равны пиксели или нет...

Вдумался как это будет работать - по моему отличие будет в том, что нейросеть будет более устойчива к помехам в областях в которых эти 6 образов не отличаются друг от друга. Но с другой стороны это так же плохо, как и хорошо - если будут подсовывать только эти 6 образов с разными помехами, тогда качество распознавания безусловно улучшится, но если будут подсовывать разные другие образы, то качество распознавания наоборот упадёт.

GraphD

В архиве статьи:
- Handbook of Computer Vision Algorithms in Image Algebra, 2nd Ed - Gerhard X. Ritter
- Vision with Direction A Systematic Introduction to Image Processing and Computer Vision - Josef Bigun
есть еще >100Мб трехтомник Handbook of Computer Vision, но не помню откуда скачивал...

Виталий

Давай выкладывай этот трехтомник... =)

GraphD

Пока выложил в eMule. Можно найти по "handbook of computer vision" (volumes 1, 2 & 3)

roboforum.ru

Статья о распознавании образов - на русском и с картинками

Кто сейчас на конференции