Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Logistyka

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Histogram of Oriented Gradients

Sortuj według:

Ogranicz wyniki do:

System rozpoznawania cyfr oparty na histogramie zorientowanych gradientów

Zacniewski A.

Logistyka

2015

nr 4

6921--6926, CD2

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.

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.

Rozpoznawanie numerów tablic rejestracyjnych pojazdów z wykorzystaniem deskryptora HOG dla obrazów zaszumionych poddanych binaryzacji

Okarma K.

Logistyka

2014

nr 3

4787--4795

W artykule przedstawiono wyniki badań eksperymentalnych związanych z weryfikacją rezultatów rozpoznawania cyfr umieszczonych na tablicach rejestracyjnych pojazdów dla obrazów poddanych różnego rodzaju zaszumieniu. Rozważono obrazy zawierające szum Gaussa, jak też szum impulsowy, dla których uzyskane wyniki klasyfikacji zostały porównane z rezultatami osiągniętymi dla obrazów bez zakłóceń. Ze względu na wydajność obliczeniową założono konieczność binaryzacji obrazu, do czego wykorzystano dwie znane metody zaproponowane przez Otsu oraz Sauvolę. Obrazy kolorowe oraz poddane binaryzacji zostały podzielone na dwa zbiory tj. treningowy i testowy, dla których wyznaczono wartości deskryptora HOG, stanowiącego jedno z najnowszych narzędzi stosowanych w celu detekcji kształtów na obrazie. Cechy lokalne obrazu opisane za pomocą deskryptora HOG zostały następnie użyte w procesie klasyfikacji znaków bazującym na maszynach wektorów nośnych (SVM). Uzyskane wyniki potwierdzają silną zależność efektywności rozpoznawania znaków zarówno od rozmiaru komórki HOG, jak też przyjętego algorytmu binaryzacji bądź jej braku. Interesujący wniosek wynikający z przeprowadzonych badań jest związany z relatywnie małym wpływem szumu na wyniki klasyfikacji przy zastosowaniu binaryzacji metodą Otsu i rozmiaru komórki HOG wynoszącego 4×4 piksele.

In this paper the results of experiments related to the verification of results of recognition of vehicles’ register plate digits are presented for images contaminated by different types of noise. During the experiments the images containing both Gaussian and impulse noise have been considered. The results obtained for them have been compared to those achieved for the images without noise. Due to the computational efficiency reasons the necessity of binarization has been assumed, which has been conducted using well-known methods proposed by Otsu and Sauvola. Both color and binary images have been divided into two groups being the training and test sets. For those images the values of the HOG descriptor, which is one of the most recent tools used for shape detection in images, have been calculated. Local features represented by the HOG descriptor have been then used in the classification process based on the Support Vector Machines (SVMs). Achieved results confirm the strong influence of both the HOG cell size as well as the chosen binarization algorithm (if applied) on the digits recognition accuracy. An interesting conclusion resulting from the conducted experiments is related to the relatively small impact of noise on the classification results using the HOG cell size equal to 4×4 pixels for the binary images obtained using Otsu’s algorithm.