Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

System rozpoznawania cyfr oparty na histogramie zorientowanych gradientów

Tytuł:
System rozpoznawania cyfr oparty na histogramie zorientowanych gradientów
Autorzy:
Zacniewski, A.
Data publikacji:
2015
Słowa kluczowe:
deskryptor obrazu HOG
klasyfikator SVM
rozpoznawanie odręcznego pisma
Histogram of Oriented Gradients
support vector machine
recognition of handwritten digits
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
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.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies