1 / 12

手写体两位数字识别

手写体两位数字识别. 翁立波. 2012 年 2 月 28 日. 问题提出. 随着模式识别及相关理论和技术的发展，其在现实生活中也得到越来越广泛的应用。 微软推出了 kinect ，可以通过人脸、手势、动作进行控制以及人机交互，使得体感游戏开始进入普通家庭。 可以预见不久之后的家用电视机也将会带上这样的功能：可以用手势来操控电视频道。 那么，是否能通过临空手写数字来切换频道？ 于是提出这个问题，手写体数字识别。. 问题简化.

kadeem
Download Presentation

手写体两位数字识别

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 手写体两位数字识别 翁立波 2012年2月28日

  2. 问题提出 随着模式识别及相关理论和技术的发展，其在现实生活中也得到越来越广泛的应用。 微软推出了kinect，可以通过人脸、手势、动作进行控制以及人机交互，使得体感游戏开始进入普通家庭。 可以预见不久之后的家用电视机也将会带上这样的功能：可以用手势来操控电视频道。 那么，是否能通过临空手写数字来切换频道？ 于是提出这个问题，手写体数字识别。

  3. 问题简化 假设需要识别的是从0-99的频道，那么就是需要识别100类，从原问题看，需要识别的是从0-99这100类数字，且每个数字都是用一笔写成的。

  4. 数据采集 采集100类数据，每类30个，并已经过二值化处理，每幅图像分辨率为170×160 Figure1 some original images

  5. 数据处理 170×160 80×80 80×80 Figure2 processing

  6. 训练与识别 对每类30张图片使用PCA进行降维 每类前25张作为训练集，后5张作为测试集 使用SVM方法进行训练和识别

  7. 训练与识别 results Figure3 some test results

  8. 实验结果 PCA n=60

  9. 实验结果 PCA n=20 PCA n=40 PCA n=80

  10. 小结 使用PCA降维后得到的相同维度下，用linear 或者polynomial的kernel type进行训练能得到较好结果 在使用PCA分别降维至20、40、60和80后进行SVM方法训练与分类，其中在60的时候有最高正确率

  11. 小结 是否能够改进图像预处理来提高正确率？ 通过使用其他方法来得到更好的结果？

  12. Thanks! 翁立波 2012年2月28日

More Related