Rambler's Top100
"Knowledge itself is power"
F.Bacon
Поиск | Карта сайта | Помощь | О проекте | ТТХ  
 Подземелье Магов
  
 

Фильтр по датам

 
 К н и г и
 
Книжная полка
 
 
Библиотека
 
  
  
 


Поиск
 
Поиск по КС
Поиск в статьях
Яndex© + Google©
Поиск книг

 
  
Тематический каталог
Все манускрипты

 
  
Карта VCL
ОШИБКИ
Сообщения системы

 
Форумы
 
Круглый стол
Новые вопросы

 
  
Базарная площадь
Городская площадь

 
   
С Л С

 
Летопись
 
Королевские Хроники
Рыцарский Зал
Глас народа!

 
  
ТТХ
Конкурсы
Королевская клюква

 
Разделы
 
Hello, World!
Лицей

Квинтана

 
  
Сокровищница
Подземелье Магов
Подводные камни
Свитки

 
  
Школа ОБЕРОНА

 
  
Арсенальная башня
Фолианты
Полигон

 
  
Книга Песка
Дальние земли

 
  
АРХИВЫ

 
 

Сейчас на сайте присутствуют:
 
  
 
Во Флориде и в Королевстве сейчас  07:14[Войти] | [Зарегистрироваться]

Обсуждение материала
Распознавание образов методом потенциальных функций
Полный текст материала


Другие публикации автора: Alex Поветкин

Цитата или краткий комментарий:

«... На написание этого опуса меня спровоцировала статья Юрия Кислякова, который, по моему скромному мнению очень удачно начал мысль о том, что распознавание образов не есть что-то сверхсуперсложное, не поддающееся разуму простых смертных. ...»


Важно:
  • Страница предназначена для обсуждения материала, его содержания, полезности, соответствия действительности и так далее. Смысл не в разборке, а в приближении к истине :о) и пользе для всех.
  • Любые другие сообщения или вопросы, а так же личные эмоции в адрес авторов и полемика, не относящаяся к теме обсуждаемого материала, будут удаляться без предупреждения авторов, дабы не мешать жителям нормально общаться.
  • При голосовании учитывайте уровень, на который расчитан материал. "Интересность и полезность" имеет смысл оценивать относительно того, кому именно предназначался материал.
  • Размер одного сообщений не должен превышать 5К. Если Вам нужно сказать больше, сделайте это за два раза. Или, что в данной ситуации правильнее, напишите свою статью.
Всегда легче осудить сделанное, нежели сделать самому. Поэтому, пожалуйста, соблюдайте правила Королевства и уважайте друг друга.



Добавить свое мнение.

Результаты голосования
Оценка содержания

  Содержит полезные и(или) интересные сведения
[1]1588.2%
 
  Ничего особенно нового и интересного
[2]15.9%
 
  Написано неверно (обязательно укажите почему)
[3]15.9%
 
Всего проголосовали: 17

Оценка стиля изложения

  Все понятно, материал читается легко
[1]1593.8%
 
  Есть неясности в изложении
[2]16.2%
 
  Непонятно написано, трудно читается
[3]00%
 
Всего проголосовали: 16




Смотрите также материалы по темам:
[Распознавание образов]

Комментарии жителей
Отслеживать это обсуждение

Всего сообщений: 22

16-06-2010 11:06
Ходил на собеседования в одну фирму недалеко от места жительства. Кроме прочего, спросили, как Вы себе представляете способ распознования лиц. Ну я им "сходу" родил идею: повышается контрастность картинки, делается черно-белой. Затем, части изгибов лица сравниваются по базе элементов лица фоторобота, вычисляется идентификатор лица, по номерам элементов в базе фоторобота.

Так или нет в современных системах - не знаю, но возможно кому-то будет интересно.


22-04-2010 15:29
to birdman:
Читайте сообщение от 18-01-2007 05:59 ;-)

P.S. На сути замечания это никак не отразится :D
 Geo


22-04-2010 15:05
Просто небольшая поправка, конечно на сути никак не отразится...
Потенциал ЭМ поля обратно пропорционален первой степени расстояния, второй степени расстояния пропорциональна напряженность поля.
Спасибо за пост,познавательно.


11-03-2010 08:27
Добрый день.
Выражаю благодарность автору.
Мой диплом связан с оптическим распознаванием образов.
Если у Вас имеется интересная литература или исходники, а также интересный идеи - прошу отправить мне на электронную почту.
maksims.zigunovs@inbox.lv


26-02-2010 07:24
Хорошо изложено, но очень неполный материал: нет модификаций этого метода, варианта применения для многих кластеров, оценок ошибок и качества кластеризации.
Тем не менее довольно просто изложено+ есть примеры применения.


27-01-2010 06:49
2 Ирина: там в левом фрейме вычисления потенциала принадлежности, домножь просто на 100 и получишь процент принадлежности)


23-03-2009 11:07
Спасибо, там очень полезная информация.


19-03-2009 02:30
Смотрите более старую статью
http://dign.narod.ru/
Конечно без исходников, но описанные там алгоритмы нашли практичекое применение.


17-03-2009 11:53
Использовала данный материал в основе своего диплома. немного модифицировала его. огромное спасибо за статью. вот только один вопрос: мне необходимо как-то определить точность(эффективность)  метода.т.е как бы ответить на вопрос: с какой точностью ответ?(например ответ:2 с точностью 95%). если кто может помочь, буду очень признательна. я нашла много информации про метод потенциальных функций, но там все нето.


06-02-2007 02:16
сообщение от автора материала
Даже не знаю, что на эту критику ответить=) Да, и расстояние можно считать по Евклиду, и Фи(R) в данном случае зависит только от R. Но смысл моей статьи - показать основы не мной разработанного метода. А метод с моей точки зрения очень прост, легко модифицируем (пример: после обучения распознаем все эталоны, иногда они распознаются неправильно; в этом случае для этого эталона увеличиваем "заряд" на некоторую константу до тех пор, пока он не распознается правильно. Теперь Фи зависит не только от R) и при некоторых усилиях дает хорошие результаты. Когда год назад я защищал диплом и делал программу, работающую по этому методу, то нейронная сеть, реализованная одногруппницей, по точности проиграла моим потенциалам, хотя и работала быстрее.

Кстати, если сможете достать, рекомендую книгу Аркадьев, Браверман - Обучение машины классификации объектов, но где ж вы ее найдете, если она издана в середине 60х?
 TPID


29-01-2007 08:53
Проголосовал за "написано неверно". Статья сама по себе неплохая, написана хорошо, но вот как раз для знакомства с теорией я бы ее не рекомендовал. Дело в том, что в теории распознавания образов используется другая терминология.  Например, алгоритм распознавания. Зачем было заводить разговор о потенциалах, когда и без них можно обойтись? В конечном итоге функция fi(R) зависит только от R, и ни от чего более. Достаточно было просто рассчитать R для каждого из классов изображений, а результатом распознавания признать Класс, у которого R окажется наименьшим. Собственно, именно так работает алгоритм ближайшего соседа (nearest neighbour).
Как по-моему, весь разговор о многомерных кубах и расстоянии Хемминга только запутал дело.  Что такое образ? Образ - это одномерный массив, он же вектор. В принципе, можно считать что этот массив - координаты точки в многомерном пространстве. Формулу, по которой считается расстояние между точками, изучают в школе. Использованное автором понятие кодового расстояния является ее частным случаем. Тоже верно, но зачем изобретать велосипед, а тем более тащить его из других наук?

Но, интересно, а как распознование образов реализовано в ... например "клевом чтеце"? Насколько их алгоритм сильнее/слабее, чем отличается?
Хорошенько порывшись в сети, можно найти штук пять статей от разработчиков FineReader. Каждая представляет собой венец журналистского искусства: написано много, ясно, вроде по делу, но ничего такого, что можно было бы использовать. Ясно, однако, что там не один алгоритм, а несколько, на разных уровнях восприятия. Анализируются и символы, и частота встреч таких символов в тексте, и слова. Это действительно продукт, который одиночке не вытянуть.

Давно интересовало, а как можно бороться с (предположительно) повернутыми изображениями?
Пытаться определить угол поворота и вертеть обратно ;) Но есть у изображения свойства, которые не изменяются даже при повороте на 90 градусов. Но там уже действительно непростая математика идет. Гугл находит, когда его про rotation invariant features спрашивают

Кстати, прекрасная тема - студентам курсовой дать :-)
кое-то уже дал : http://ocr.apmath.spbu.ru


27-01-2007 10:11
Ну, вот, и voldan, наконец-то добрался до обсуждения этой статьи )
Ну, что хочется отметить в первую очередь. Самое главное, автор очень подробно разжевал основополагающие моменты в так называемой "Теории распознавания", очень авторитетно дал понять, что простым смертным понять основы этой замечательной тематики не так уж сложно и бояться тут нечего (а то я уж и не стал бы читать далее статью :). А во-вторых, развитие систем распознавания можно уже возложить на себя, непременно отталкиваясь от базового уровня. Данный базовый уровень дается, подчеркиваю, очень толково. Посему, даю конечную оценку всему изложенному замечательными устами автора: великолепный продукт (статья), готовый к употреблению!
P.S. Никогда не занимался подобными вещами, но если, вдруг, придется, готовьтесь, пожалуйста, к освобождению своего почтового ящика от всякого хлама на эдак мегабайт 50. Для моих вопросов :)
Так держать, TPID!


24-01-2007 01:36
сообщение от автора материала
Очень приятно, что такие уважаемые на Королевстве люди хвалят мою статью. Честно. Так что, похоже, придется мне продолжение писать :-) Теперь по порядку:

Давно интересовало, а как можно бороться с (предположительно) повернутыми изображениями?
Общей теории по этому поводу, как и в случае с собственно распознаванием, нет. Однако с моей точки зрения наиболее правилен подход, при котором все изображения(и для обучения, и входные ) поворачиваются относительно своего центра так, чтобы точка центра тяжести исходного изображения заняла заранее определенную позицию.

предварительная (пусть грубая) векторизация изображений, и работа в дальнейшем с массивом векторов, а не точек
В связи с тем, что на сканированных изображениях всегда есть помехи, сделать это очень сложно. По крайней мере, мне не удалось.

Но, интересно, а как распознование образов реализовано в ... например "клевом чтеце"?
А вот это - страшная коммерческая тайна, ABBYY никому не говорят :-) Ходят слухи, что у них там какая-то хитро обученная нейронная сеть, но правда это или нет - неизвестно.

А как автор оценивает производительность предложенного алгоритма с повышением размеров изображений и эталонов?
Скорость будет падать, конечно :-) Как я сказал в завершении статьи, иногда имеет смысл даже искуственно их уменьшить.

Электрический потенциал точечного заряда, однако, обратно пропорционален первой степени расстояния, а не второй
К моему стыду, залез в учебник по физике и убедился в вашей правоте. Но несмотря на это, известно много других устойчивых (дающих хороший результат в этом методе) потенциальных функций, например, логарифмическая. Название "метод потенциалов" как-то незаметно закрепилось, а сейчас уже никто, наверное, и не помнит, почему. Довольно грубая аналогия, и все.

Так и не удалось заставить программу распознать цифры 6 и 9. Еще были проблемы с четверкой.
Вероятно, ваш стиль написания этих цифр сильно отличается от эталонного. Попробуйте переобучить, т.е. заменить изображения в \fonts\ на ваши, написанные от руки. Основной смысл моей статьи - не добиться 99% точности, а показать, каким образом алгоритм можно обучать.

для успешного распознования образов надо писать цифру строго посередине... из-за чего теряется почти весь смысл распознавания образа...
Задача правильного выделения границ символа не менее сложна, чем задача распознавания. Никто вам не мешает поступить так, как делал Юрий в своей статье http://www.delphikingdom.com/asp/viewitem.asp?catalogid=1203

И даже при написании в центре процент распознавания на уровне 50%, что очень мало...
См. выше. Алгоритм нужно обучить под что-то конкретное. У меня он обучен под машинописные цифры.
 TPID


23-01-2007 10:56
Алгоритм на практике не применим, т.к. для успешного распознования образов надо писать цифру строго посередине... из-за чего теряется почти весь смысл распознавания образа...
И даже при написании в центре процент распознавания на уровне 50%, что очень мало...

Введения "потенциала" бессмыслено(по крайней мере с алгоритмической точки зрения), т.к. зная значения R(по сути количество совпавших пикселей на картинках) можно точно сказать какой образ искомый(естественно тот, на котором совпадений больше).


21-01-2007 08:20
Так и не удалось заставить программу распознать цифры 6 и 9. Еще были проблемы с четверкой.
 Erem


21-01-2007 01:17
Молодец автор, хорошая статья! Респект!


19-01-2007 04:54
Замечательная статья!

Действительно, интересный момент - подоплека та же, что и в нейронных сетях - классификация на основе обучения по образцам, однако реализация проще и эффективней, я думаю, в плане качества. Однако - в плане быстродействия нейронным сетям, имхо, будет сильно проигрывать. Я так думаю потому, что:
в этом методе набор эталонов, образующих классы, сохраняется до этапа рабочего распознавания и используется при каждой идентификации полностью. Нейронная же сеть - это как раз попытка "автоматически" выделить признаки, общие для классов, и отказаться от хранения набора эталонов. Естественно - такой точности не будет, но прогнать образ через нейронку на порядок быстрее, если эталонов сотни и тысячи... Однако я не зря отметил "автоматически" кавычками - на самом деле не "автоматически", а "шамански", т.к. очень хочется выделить признаки классов, но сделать это точной формулировкой правил невозможно (а иногда влом - как с лингвистическими системами), и пытаются пошаманить с сетями и коэффициентами в надежде, что "выделится само".
Здесь же псевдо-выделение признаков классов, как в НС, не выполняется, а идет работа на уровне всех эталонных данных. Откуда и плюсы, и минусы...
ИМХО.
Спасибо автору, не премину использовать... Кстати, прекрасная тема - студентам курсовой дать :-)


19-01-2007 01:49
Понравилось, использование физической модели "потенциалов"... Когда писал такое же - все было куда труднее для понимания... Взял на заметку )


18-01-2007 05:59
Интересная статья, полезная для общего развития. Электрический потенциал точечного заряда, однако, обратно пропорционален первой степени расстояния, а не второй :)


17-01-2007 23:18
Статья понравилась, как говориться зацепило...
Но, интересно, а как распознование образов реализовано в ... например "клевом чтеце"? Насколько их алгоритм сильнее/слабее, чем отличается? А как автор оценивает производительность предложенного алгоритма с повышением размеров изображений и эталонов?


17-01-2007 12:50
Хороша статья. "Вкусно, полезно, питательно" ;-) То есть и содержание хорошее, и подача и оформление. Приятно читать. От меня пока проблема распознавания образов далека, но если приспичит, то буду иметь в виду.
 Geo


17-01-2007 10:54
Изложено замечательно, все понятно.

Давно интересовало, а как можно бороться с (предположительно) повернутыми изображениями?

И еще я подозревал, что значительно ускорить подобные алгоритмы может предварительная (пусть грубая) векторизация изображений, и работа в дальнейшем с массивом векторов, а не точек... Было бы интересно узнать об этом...



Добавьте свое cообщение

Вашe имя:  [Войти]
Ваш адрес (e-mail):На Королевстве все адреса защищаются от спам-роботов
контрольный вопрос:
Два кольца, два конца, посередине гвоздик.
в качестве ответа на вопрос или загадку следует давать только одно слово в именительном падеже и именно в такой форме, как оно используется в оригинале.
Надоело отвечать на странные вопросы? Зарегистрируйтесь на сайте.

Оценка содержания
 
Содержит полезные и(или) интересные сведения
 
Ничего особенно нового и интересного
 
Написано неверно (обязательно укажите почему)


Оценка стиля изложения
 
Все понятно, материал читается легко
 
Есть неясности в изложении
 
Непонятно написано, трудно читается

Текст:
Жирный шрифт  Наклонный шрифт  Подчеркнутый шрифт  Выравнивание по центру  Список  Заголовок  Разделительная линия  Код  Маленький шрифт  Крупный шрифт  Цитирование блока текста  Строчное цитирование
  • вопрос Круглого стола № XXX

  • вопрос № YYY в тесте № XXX Рыцарской Квинтаны

  • сообщение № YYY в теме № XXX Базарной площади
  • обсуждение темы № YYY Базарной площади
  •  
     Правила оформления сообщений на Королевстве
      
    Время на сайте: GMT минус 5 часов

    Если вы заметили орфографическую ошибку на этой странице, просто выделите ошибку мышью и нажмите Ctrl+Enter.
    Функция может не работать в некоторых версиях броузеров.

    Web hosting for this web site provided by DotNetPark (ASP.NET, SharePoint, MS SQL hosting)  
    Software for IIS, Hyper-V, MS SQL. Tools for Windows server administrators. Server migration utilities  

     
    © При использовании любых материалов «Королевства Delphi» необходимо указывать источник информации. Перепечатка авторских статей возможна только при согласии всех авторов и администрации сайта.
    Все используемые на сайте торговые марки являются собственностью их производителей.

    Яндекс цитирования