AutomatickÃ© rozpoznÃ¡vanie Å PZ motorovÃ½ch vozidiel v ... - Utc.sk

More documents

Recommendations

Info

1.5.2.1 Pracovná fáza umelej neurónovej siete Neurónová sieť pracuje v zásade vo dvoch fázach. Prvá je adaptívna a druhá aktívna. V tej prvej dochádza k učeniu (trénovaniu), a v druhej fáze vykonáva naučenú činnosť, vybavuje(testuje). Pamäť je reprezentovaná váhovými koeficientami jednotlivých vstupov neurónov. 1.5.2.2 Učenie (trénovanie) Pri učení dochádza v neurónovej sieti ku zmenám. Sieť sa prispôsobuje na riešenie daného problému. Na počiatku sa váham prisúdia počiatočné hodnoty, ktoré sú náhodne zvolené. Následne nato sa privedie vytvorená trénovacia množina, ktorá bola získaná z potrebných dát. Sieť poskytne výstup, odozvu. Učenie s učiteľom – existuje vonkajšie kritérium, ktoré určuje, ktorý vstup je správny a v sieti sa nastavujú spätné väzby podľa toho, ako blízko je výstup kritériu. Veľakrát je kritérium definované, ako rozdiel medzi testovaným a žiadaným výstupom. Váhy sa nastavujú podľa daného algoritmu. Neskoršie sa sieti priloží nový výstup (učiteľ) a cyklus sa opakuje. Učenie bez učiteľa – algoritmus je navrhnutý tak, že hľadá vo vstupných vzorkách isté spoločné vlastnosti. 1.5.2.3 Vybavenie(testovanie) Na základe vstupu dát vznikne vo vstupnej vrstve nerovnovážny stav. Výstupy neurónov vo všetkých vrstvách sa začnú pôsobením ostatných neurónov meniť podľa istého algoritmu a menia sa dovtedy, dokiaľ nenastane opäť nerovnovážny stav. Na ich výstupoch je požadovaná odozva siete na tento vstup. 1.5.3 Syntaktické rozpoznávanie obrazcov Pre syntaktické rozpoznávanie obrazcov, je charakteristický kvalitatívny popis objektov. Syntaktický popis treba použiť vtedy, ak príznakový popis nie je schopný popísať zložitosť objektu, alebo keď sa dá objekt zapísať, ako hierarchická štruktúra pozostávajúca z jednoduchších častí, napríklad slovom, alebo grafom. Elementárnymi vlastnosťami syntakticky popísaných objektov sú primitíva. Množina všetkých primitív sa nazýva abeceda. Množina všetkých slov vytvorených z abecedy, ktoré opisujú objekt z jednej triedy, sa nazýva popisný jazyk. 18
Gramatika predstavuje množinu pravidiel, podľa ktorých sa vytvárajú slová nejakého jazyka z prvkov abecedy. Algoritmus: Najskôr sa definuje primitíva a ich vzťahy. Neskôr sa zostrojí gramatika pre každú triedu objektov. Potom sa vykoná pre každý objekt rozpoznanie primitíva a zostrojenie jeho reprezentujúceho slova. Na základe analýzy sa zaradí objekt do triedy, ktorej gramatika ho generuje. 1.5.4 Rozpoznávanie, ako porovnávanie zhody dvoch grafov Ide o metódu porovnávania zhody (matching) modelu a objektu popísaných grafom. Podobnosť sa nezakladá na úplnej zhode, ale približnosti grafového vyjadrenia. 19
Page 1 and 2: Automatické rozpoznávanie ŠPZ mo
Page 3 and 4: Žilinská univerzita v Žiline, El
Page 5 and 6: 2.2 Metódy selekcie znakov ŠPZ mo
Page 7 and 8: Obr. 3.7 Zobrazuje jednotlivé krok
Page 9 and 10: Úvod Z dôvodu nových technologic
Page 11 and 12: 1 Teoretické spracovanie problemat
Page 13 and 14: ∞ ∫ −∞ I( f ( x)) = F( u) =
Page 15 and 16: vzdialenosťou r od počiatku v sme
Page 17 and 18: Používajú sa polynómy stupňa m
Page 19 and 20: Prahovanie s jedným prahom možno
Page 21 and 22: Spätná projekcia vstupných bodov
Page 23 and 24: Na spájanie oblastí sa používaj
Page 25: N ⎛ = S ⎜∑ ⎝ w x i i i= y 1
Page 29 and 30: • Pri prevode RGB poprípade Gray
Page 31 and 32: Obr. 2.2 Segmentácia znakov pomoco
Page 33 and 34: Ďalšími počítanými výrazmi p
Page 35 and 36: Obr. 2.6 Zovšeobecnený vektorový
Page 37 and 38: Obr. 2.10 Zovšeobecnená viacvrstv
Page 39 and 40: 3 Praktická realizácia programu n
Page 41 and 42: 3.2.2 Zaistenie dostatočného mno
Page 43 and 44: sa jedná o tmavé, alebo svetlé a
Page 45 and 46: 3.3.1.3 Úprava matice vhodnej na o
Page 47 and 48: 3.3.1.6 Odstránenie malých oblast
Page 49 and 50: a) b) Obr. 3.14 Názornosť funkcie
Page 51 and 52: 3.4 Verifikácia a selekcia ŠPZ Je
Page 53 and 54: 3.4.2.1 Prvá časť verifikátoru
Page 55 and 56: a) b) Obr. 3.22 Výrez stredného r
Page 57 and 58: Obr. 3.25 Prevod RGB značky na zá
Page 59 and 60: 3.4.3 Preprocesing OCR (Separácia
Page 61 and 62: Záver: Podstatou tejto práce bolo
Page 63 and 64: Prílohová časť Táto časť sa
Page 65: Poďakovanie Moje poďakovanie patr

AutomatickÃ© rozpoznÃ¡vanie Å PZ motorovÃ½ch vozidiel v ... - Utc.sk

Create successful ePaper yourself

Delete template?

Save as template?