Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
FEI TU v Košiciach Diplomová práca List č. 18<br />
in<br />
in<br />
in<br />
1,1<br />
1,2<br />
1,3<br />
in<br />
in<br />
in<br />
2,1<br />
2,2<br />
23<br />
in<br />
in<br />
in<br />
3,1<br />
3,2<br />
3,3<br />
k<br />
2,1<br />
k<br />
1,3<br />
k<br />
3,1<br />
out<br />
Obr. 9: Vľavo: vstup úrovní šedi, vpravo: výstupná úroveň šedi<br />
- nelineárne aktivačné funkcie obsiahnuté v neurónovej sieti môžu zlepšiť<br />
kontrast výstupného <strong>obrazu</strong> oproti lineárnej filtrácii, <strong>pre</strong>tože s vhodnou<br />
kombináciou váh synapsií dve blízke vstupné úrovne šedi môžu mať na<br />
výstupe viac odlišné úrovne šedi ako pri lineárnej filtrácii<br />
- nie je potrebné vo<strong>pre</strong>d určiť koeficienty spracovania <strong>obrazu</strong> (váhy sy-<br />
napsií), ale je ich možné adaptovať <strong>pre</strong> každý spracovaný obraz indivi-<br />
duálne<br />
- rôzne váhy synapsií <strong>pre</strong> rôzne typy obrazov dosahujú lepšie výsledky<br />
spracovania ako jedna sada váh synapsií alebo koeficientov matice po-<br />
užitých <strong>pre</strong> všetky typy obrazov<br />
Pre aplikáciu <strong>pre</strong>dspracovania <strong>obrazu</strong> som zvolil do<strong>pre</strong>dnú neurónovú sieť<br />
takto:<br />
- typ neurónovej siete: do<strong>pre</strong>dná neurónová sieť kvôli podobnosti<br />
so štandartnými metódami spracovania<br />
- metóda učenia siete: štandartné spätné šírenie chyby - osved-<br />
čený a postačujúco efektívny algoritmus