PoliICR Riconoscimento dei Caratteri Daniele Gasperini – William Spinelli Riconoscimento dei Segnali: un approccio unitario prof. Sergio Brofferio.

Presentazione sul tema: "PoliICR Riconoscimento dei Caratteri Daniele Gasperini – William Spinelli Riconoscimento dei Segnali: un approccio unitario prof. Sergio Brofferio."— Transcript della presentazione:

1 PoliICR Riconoscimento dei Caratteri Daniele Gasperini – William Spinelli Riconoscimento dei Segnali: un approccio unitario prof. Sergio Brofferio

2 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario2/14 Sommario Preprocessing Struttura della rete neurale (MLP) Algoritmo di addestramento (RPROP) Architettura dellapplicazione Risultati

3 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario3/14 Preprocessing Pre-elaborazione del carattere da identificare per condensare linformazione presente nei dati Estrazione di un bounding-box della lettera Suddivisione della matrice di pixel con una griglia Calcolo dellintensità media dei pixel nellintervallo [0, 1] A A A

4 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario4/14 Struttura della rete Multi Layer Perceptron (MLP) Neuroni con funzione di attivazione sigmoidale Tipologia di rete spesso utilizzata per problemi di classificazione Strato di uscita Strati nascosti Strato di ingresso

5 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario5/14 Algoritmo di addestramento Addestramento supervisionato di reti MLP realizzato tipicamente con lalgoritmo di backpropagation Convergenza lenta per reti neuroni di tipo sigmoidale Per valori grandi del campo di attivazione locale il cambiamento dei pesi in un passo tende a zero Algoritmo di Resilient Backpropagation (RPROP) Velocizza laddestramento per reti MLP sigmoidali Utilizza la direzione del gradiente per ottenere la direzione di aggiornamento dei pesi Utilizza un coefficiente di aggiornamento separato per determinare lampiezza dellaggiornamento dei pesi Viene effettuato un controllo per evitare di scavalcare un minimo locale

6 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario6/14 Architettura dellapplicazione Applicazione sviluppata utilizzando il framework.NET Lapplicazione è composta da due strati Interfaccia grafica (UI) Libreria di reti neurali (fann – fast artificial neural network) Funzionalità principali Inserimento di caratteri True Type Inserimento di caratteri a mano Generazione/Validazione sequenziale sulle 26 lettere Presentazione di MSE relativi a prima e seconda scelta

7 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario7/14 Dati di addestramento e di test Database dei campionilizzati per lidentificazione: 130 lettere (5 alfabeti x 26 lettere) Database dei campioni utilizzati per il test: 52 lettere (2 alfabeti x 26 lettere) G Microsoft Sans Serif G Times New Roman G Arial G Bell MT G Garamond G Bodoni MT G Modern No. 20

8 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario8/14 Prove di identificazione (1) Confronto delle prestazioni di reti MLP di diverso tipo Dimensione della griglia utilizzata per il preprocessing griglia grande (5x7) griglia piccola (10x14) Numero di strati nascosti 1 strato nascosto per le reti con griglia 5x7 e 10x14 2 strati nascosti per la rete con griglia 5x7 Numero di neuroni dello strato nascosto da 25 a 150 per la rete con griglia 5x7 ed 1 strato nascosto da 175 a 250 per la rete con griglia 5x7 e 2 strati nascosti da 25 a 400 per la rete con griglia 10x14 ed 1 strato nascosto Errore quadratico medio durante la fase di addestramento

9 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario9/14 Prove di identificazione (2)

10 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario10/14 Prove di identificazione (3)

11 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario11/14 Prove di identificazione (4)

12 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario12/14 Prove di identificazione (5)

13 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario13/14 Prove di identificazione (6)

14 20/04/05Daniele Gasperini, William Spinelli – Riconoscimento dei Segnali: un approccio unitario14/14 Prove di identificazione (7)