Интернет-Перспектива и развитие
Abitu.ru Перспектива и развитиеВсе работыВсе секции
искать
Просмотр работ по секциям Разместить работу

Распознавание образов в среде MATLAB

Автор :  Башкинцев Борис Борисович, ученик 11 класса, Центр "Поиск", Ставрополь.
Научный руководитель:   кандидат технических наук,  доцент  (Ставропольский государственный университет)  Бережной Виктор Васильевич.
Результат работы
Проведенный анализ результатов исследования показал, что применение уникальных нейротехнологий обработки изображения даёт высокий процент распознавания. Так при повороте или наклоне головы на 15-20 градусов погрешность сети составляет 2-3%. Данный программный модуль может быть использован в системах автоматического обнаружения и слежения за лицами через подключенные телекамеры.
Закачать тезисыРабота целиком
Обсуждение работы

  • Программный модуль? (Д, 07.01.2004   23:09:23 )
    Вы пишите в своей работе: "Данный программный модуль может быть использован в системах автоматического обнаружения и слежения за лицами через подключенные телекамеры".

    Позвольте, а где этот программный модуль? Раз уж говорите, что Вы его разработали, покажите общественности. А то на словах все всё могут...
  • Программа распознавания образов (Башкинцев Борис, 26.01.2004   19:08:08 )
    Набор операторов языка MATLAB довольно прост:
    % Инициализация сети
    [alphabet, targets]=myt;
    [R,Q]=size(alphabet);
    [S2,Q]=size(targets);
    S1=30;
    net=newff(minmax(alphabet),[S1 S2],{'logsig' 'logsig'},'trainscg');
    net.LW{2,1}=net.LW{2,1}*0.01;
    net.b{2}=net.b{2}*0.01;
    gensim(net)


    % Обучение
    P=alphabet;
    T=targets;
    net.performFcn = 'sse'; % Sum-Squared Error performance function
    net.trainParam.goal = 0.1; % допустимая средняя квадратичная погрешность
    net.trainParam.show = 20; % Частота отображения графика (в циклах)
    net.trainParam.epochs = 5000; % Максимальное количество циклов обучения
    net.trainParam.mc = 0.95; % Постоянная момента
    [net,tr]=train(net,P,T)


    % загрузить noisy

    noisy=noisy_third(:,3);
    noisy=alphabet(:,4);


    % Вывод зашумленной фотографии
    counter=0;
    for i=1:50
    for j=1:50
    counter=counter+1;
    w(i,j)=noisy(counter);
    end;
    end;
    showp=uint8(w);
    imshow(showp);

    % Получение номера фотографии
    A2=sim(net,noisy);
    A2=compet(A2);
    answer=find(compet(A2)==1)


    % Вывод исходной фотографии
    counter=0;
    for i=1:50
    for j=1:50
    counter=counter+1;
    w(i,j)=alphabet(counter,answer);
    end;
    end;
    showp=uint8(w);
    imshow(showp);
  • Все просто (Дмитрий, 01.02.2004   17:24:00 )
    Все оказалось весьма просто ;) Простой алгоритм - простая работа.

    Вопрос такой: Вы в курсе, что с течением времени погрешность возрастает, причем далеко не линейно? В работе Вы это учитываете? Иначе, после 15-30 минут работы программы погрешность будет настолько большая, что Ваши "системы слежения" дадут абсолютно неправильный результат.
  • Погрешность (Башкинцев Борис, 03.02.2004   22:00:18 )
    После обучения НС, т.е. настройки весов и смещений, на вход подаются некоторые матрицы. Этот процесс не может изменить значения весовых коэффициентов и смещений, следовательно, при работе сети ее погрешность не изменяется. Процент ошибок сети уменьшается во время обучения и после остается неизменным.
  • Погрешность (Дмитрий, 05.02.2004   12:29:42 )
    Нет, извините, Вы пишите про "системы автоматического обнаружения и слежения за лицами", т.е. после первой обработки у Вас будет некоторая погрешность (кстати, какая?). Затем Вы подаете не вход параметры, рассчитанные Вашей программой, и погрешность увеличивается! Это необходимо учитывать!

    Или Ваша система не пригодна в плане "систем автоматического обнаружения и слежения за лицами"?
Добавить комментарий
Автор
Тема
Сообщение:

Вход пользователей
Логин или ФИО
Пароль

Перспектива и развитие
Разделы
Комментарии к работам
О проекте
Форум