Wyniki wyszukiwania - BazTech

1

Strategia doboru parametrów sieci neuronowej w rozpoznawaniu pisma

Walentynowicz W., Jóźwiak I. J.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2016

|

z. 96

463--468

PL

W pracy przedstawiono propozycje dobierania parametrów sieci neuronowej w celu usprawnienia wartości skuteczności sieci w rozpoznawaniu cyfr zapisanych pismem ręcznym. Sieć neuronową wyuczoną do tego celu utworzono przy użyciu biblioteki Keras. Analizie poddano parametry: momentum oraz współczynniki nauki i rozkładu. Artykuł zawiera badania, wnioski oraz wskazówki do dalszych badań dotyczących rozpoznawania pisma.

EN

The paper presents the problem of selection the parameters of neural network for increasing network performance. Trained neural network was created with Keras library. Analyzed parameters: momentum, learning rate and decay. The article contains researches, conclusions and advices for further research in the field of handwriting recognition.

2

Wpływ modelu barw oraz metody binaryzacji na skuteczność rozpoznawania numerów tablic rejestracyjnych

Okarma K.

Logistyka

|

2014

|

nr 3

4796--4803

PL

W artykule przeanalizowano znaczenie konwersji modeli barw obrazów przedstawiających tablice rejestracyjne pojazdów ze względu na proces rozpoznawania ich numerów rejestracyjnych. Biorąc pod uwagę fakt, iż wiele istniejących komercyjnych systemów wykorzystywanych do monitorowania ruchu pojazdów w Inteligentnych Systemach Transportowych funkcjonuje prawidłowo przy określonych założeniach dotyczących parametrów kamer, jak również warunków oświetleniowych, skupiono się na rozwiązaniach o niskiej mocy obliczeniowej, w których rozpoznawanie znaków odbywa się zazwyczaj dla obrazów binarnych. Określenie stopnia podobieństwa lub korelacji poszczególnych znaków do binarnego wzorca jest rozwiązaniem typowym, także w aplikacjach OCR, jednakże wynik klasyfikacji jest silnie uzależniony od wyniku binaryzacji obrazu. Binaryzacja, zwłaszcza w obecności zakłóceń, w szczególności dla obrazów kolorowych, nie jest zadaniem jednoznacznym, zarówno ze względu na różne metody wyznaczania wartości progu binaryzacji, jak również sposoby uprzedniej konwersji obrazu kolorowego do skali szarości. Przestawione w artykule wyniki eksperymentalne uzyskane dla kilku popularnych modeli barw oraz metod binaryzacji potwierdzają możliwości poprawy skuteczności rozpoznawania numerów rejestracyjnych pojazdów, w odniesieniu do typowo stosowanych metod, zwłaszcza dla obrazów kolorowych niskiej rozdzielczości poddanych stratnej kompresji lub zawierających zakłócenia wpływające na wynik binaryzacji.

EN

In this paper the importance of the color model conversion for images representing the vehicles’ register plates is analyzed in view of the recognition process of their numbers. Considering the fact that many existing commercial systems used for traffic monitoring in Intelligent Transport Systems operate properly under certain assumptions related to the camera parameters, as well as lighting conditions, the paper is focused on low computational power solutions, in which the character recognition is usually performed using the binary images. Calculation of the degree of similarity or correlation of individual characters to the binary pattern is a typical solution, also in the OCR applications, however, the result of classification is highly dependent on the result of image binarization. Binarization, especially in the presence of distortions, especially for color images, may be ambiguous, both because of the different methods of determining the binarization threshold value, as well as prior conversion of color images to grayscale. Experimental results presented in the article obtained for several popular color models and methods of binarization confirm the possibility of improving the efficiency of vehicle registration numbers’ recognition in comparison to conventionally used methods, especially for low resolution color images subjected to lossy compression or containing distortions affecting binarization result.

3

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

Okarma K.

Logistyka

|

2014

|

nr 3

4787--4795

PL

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.

EN

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.