Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE

More documents

Recommendations

Info

$C:\tst\data_bi.v 1 `timescale 10ns/1ns 2 3 module data_bi(aDATA ...$

FEI TU v Košiciach Diplomová práca List č. 56 vacia množina s 8000 prvkami. Ďalšie zvyšovanie počtu prvkov už nezlepšuje spracovanie obrazu a tak ani nezvyšuje úspešnosť rozpoznania znakov. Z úspešnosti rozpoznania znakov, počtu prvkov v trénovacej množine a dosiahnutej najmenšej chybe na testovacej množine je možné si všimnúť ešte zmenu závislosti úspešnosti rozpoznania s najmenšou chybou neurónovej siete. Teda od 100 do 2000 prvkov v trénovacej množine je možné povedať, že s klesajúcou chybou na testovacej množine rastie úspešnosť rozpoznania znakov. Od 2000 po 12000 prvkov v trénovacej a testovacej množine však platí, že dosiahnutá minimálna chyba rastie s rastúcim počtom prvkov v trénovacej a testovacej množine, ale úspešnosť rozpoznania znakov narastá. Zväčšenie chyby na testovacej množine je pravdepodobne spôsobené prvkami, ktoré nie je neurónová sieť schopná dostatočne správne spracovať; väčšia testovacia množine môže obsahovať viac prvkov, ktoré neurónová sieť nespracúva dobre v pomere ku prvkom, ktoré spracúvava dobre. Na obrázkoch 18 až 24 je tiež možné sledovať, že aj keď chyba neurónovej siete na testovacej množine je skoro rovnaká, spracovanie obrazu je lepšie s neurónovou sieťou trénovanou na väčšej trénovacej množine. Teda sa dá pove- dať, že chyba dosiahnutá na testovacej množine nie je vhodným ukazateľom úspešnosti rozpoznania písmen.
FEI TU v Košiciach Diplomová práca List č. 57 5.4 Vplyv distribúcie prvkov v trénovacej množine na kvalitu spracovania obrazu Popis experimentu Dôvodom, prečo bol tento experiment realizovaný, je možnosť viacerých spô- sobov, ako sú prvky do trénovacej množiny vyberané. Chceme teda zistiť, aký vplyv má spôsob výberu prvkov na kvalitu spracovaného obrazu. Existujú dva základné spôsoby výberu prvkov do trénovacej množiny: - náhodný - prvky sú do trénovacej množiny vyberané náhodne - riadený - na výber prvkov do trénovacej množiny sú použité nejaké pravidlá V prípade predspracovania a spracovania obrazu pomocou neurónovej siete sme si definovali na výstupe tmavé body (popredie, písmo) a svetlé body (pozadie). Podľa počtu prvkov v trénovacej množine, ktoré reprezentujú tmavé body a svetlé body, môžeme hovoriť o distribúcii týchto prvkov v trénovacej množine. Parametre neurónovej siete: - topológia:8 ×8−10 −2 - gamma = 0.1 Výsledky Číselné výsledky tohoto experimentu sú zhrnuté v tabuľke 10. Experimenty boli urobené pre náhodný a riadený výber prvkov do trénovacej a testovacej množiny, a to pre 1000 a 4000 prvkov, aby bolo možné porovnať prípadné rozdiely. Ďalej nasledujú obrázky 25 a 26 , ktoré zobrazujú spracovaný obraz a rozpoznané znaky. Boli zobrazené obrázky len pre veľkosť trénovacej množiny 1000 prvkov, pretože pre 4000 prvkov v trénovacej množine nie je vidno veľký rozdiel.
Page 1 and 2:
Technická univerzita v Košiciach
Page 3 and 4:
Poďakovanie Chcem poďakovať môj
Page 5 and 6:
Thesis title: Image preprocessing f
Page 7 and 8:
Obsah Formulácia úlohy 1 1 Úvod
Page 9 and 10:
FEI TU v Košiciach Diplomová prá
Page 11 and 12:
FEI TU v Košiciach Diplomová prá
Page 13 and 14: FEI TU v Košiciach Diplomová prá
Page 63: FEI TU v Košiciach Diplomová prá
show all

Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE

Create successful ePaper yourself

Delete template?

Save as template?