System rozpoznawania cyfr oparty na histogramie zorientowanych gradientów

• Autorzy: Zacniewski A.

Warianty tytułu

EN

Digits recognition system based on Histogram of Oriented Gradients

• Języki publikacji: PL

Abstrakty

PL

W artykule pokazano możliwości użycia odręcznego pisma oraz potrzebę dalszych badań nad jego rozpoznawaniem. Przedstawiono krótką charakterystykę deskryptorów obrazu HOG oraz liniowych klasyfikatorów SVM wraz z przykładowymi zastosowaniami. Przedstawiony został algorytm, który pozwala na rozpoznanie i klasyfikację odręcznie zapisanych cyfr za pomocą wymienionych metod wraz z technikami takimi jak algorytm progowania Otsu i algorytm detekcji krawędzi Canny’ego. Pokazano praktyczny przebieg procesu uczenia i klasyfikacji przy zastosowaniu omawianych narzędzi. Wskazane zostały wady i zalety zastosowanej metody oraz pokazano możliwości poprawy i rozwoju algorytmu rozpoznawania odręcznego pisma poprzez zmodyfikowanie parametrów zastosowanych technik uczenia maszynowego i rozpoznawania obrazów.

EN

In article the possibility of using handwriting and the need for further research on its recognition were shown. The characteristics of the image HOG descriptors and linear SVM classifier with examples of applications were described. Algorithm that allows the diagnosis and classification of handwritten digits by using these methods with techniques such as Otsu thresholding algorithm and Canny edge detection algorithm was presented. The practical process of learning and classification using mentioned tools was shown. Advantages and disadvantages of the used method were indicated and opportunities for improvement and development of handwriting recognition algorithm by modifying the parameters of the techniques of machine learning and pattern recognition were shown.

Słowa kluczowe

PL

deskryptor obrazu HOG; klasyfikator SVM; rozpoznawanie odręcznego pisma

EN

Histogram of Oriented Gradients; support vector machine; recognition of handwritten digits

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 6921--6926, CD2
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Zacniewski A.

• Akademia Marynarki Wojennej w Gdyni, Wydział Nawigacji i Uzbrojenia Okrętowego; 81-103 Gdynia; ul. Śmidowicza 69

Bibliografia

• 1. N. Dalal, B. Triggs, „Histograms of oriented gradients for human detection”, Proceedings of IEEE Conference Computer Vision and Pattern Recognition, San Diego, USA, 2005.
• 2. P. Harrington, “Machine Learning in Action”, Manning Publications, New York, 2012.
• 3. P. Kamal, F. Rahman, “A Robust Authentication System Handwritten Documents using Local Features for Writer Identification”, Journal of Computing Science and Engineering, Vol. 8, No. 1, March 2014, pp. 11-16.
• 3. OpenCV, http://docs.opencv.org/, oficjalna dokumentacja biblioteki OpenCV, dostęp luty 2015.
• 4. R. Plamondon, „Online and off-line handwriting recognition: a comprehensive survey”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume:22, 2000, pp. 63-84.
• 5. J.E. Solem, „Programming Computer Vision with Python”, O’Reilly, Sebastopol, 2012.
• 6. S. van der Walt et al., “scikit-image: Image processing in Python”, oficjalnadokumentacjabibliotekiscikit-image, dostępluty 2015.
• 7. R. Woods, R. Gonzalez, „Digital Image Processing”, Pearson, 2010.