งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การหาคุณลักษณะพิเศษ. การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 2 การหาคุณลักษณะพิเศษ (Feature Extraction) การแบ่งพื้นที่ภาพ (Zone) ตัวอย่างภาพขนาด 16x16 พิกเซล.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การหาคุณลักษณะพิเศษ. การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 2 การหาคุณลักษณะพิเศษ (Feature Extraction) การแบ่งพื้นที่ภาพ (Zone) ตัวอย่างภาพขนาด 16x16 พิกเซล."— ใบสำเนางานนำเสนอ:

1 การหาคุณลักษณะพิเศษ

2 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 2 การหาคุณลักษณะพิเศษ (Feature Extraction) การแบ่งพื้นที่ภาพ (Zone) ตัวอย่างภาพขนาด 16x16 พิกเซล และการแบ่งพื้นที่ภาพ

3 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 3 การหาคุณลักษณะพิเศษ (Feature Extraction) ลักษณะเฉพาะแบบภาพรวม (Global Feature) ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)

4 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 4 ลักษณะเฉพาะแบบภาพรวม (Global Feature) ภาพ “ก” ที่ใช้เพื่อหาความหนาแน่นความหนาแน่นของแต่ละพื้นที่ภาพ Feature ที่ได้จากการหาความหนาแน่น = 16 Feature 1. การหาความหนาแน่น Feature ของความหนาแน่นที่ทำการ Normalization

5 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 5 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) 2. การหาตำแหน่งหัวของตัวอักษร กำหนดตำแหน่งของพื้นที่ภาพให้เป็น 5 โซน โซนที่ 1 = [z1, z2, z5, z6] โซนที่ 2 = [z3, z4, z7, z8] โซนที่ 3 = [z9, z10, z13, z14] โซนที่ 4 = [z11, z12, z15, z16] โซนที่ 5 = [z6, z7, z10, z11] กำหนดพื้นที่ภาพ ให้เป็น 5 โซน

6 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 6 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) ซึ่งการหาตำแหน่งหัวของตัวอักษร หาได้จากตำแหน่ง T-Joint ใน 12 รูปแบบ ดังนี้ รูปแบบของ T-Joint การหา T-Joint

7 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 7 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) เมื่อพบตำแหน่งของ T-Joint ให้ทำการหาเส้นทางการเดินของ Chain code จะได้เส้นทางการเดินของ Chain code คือ {1, 2, 3, 4, 5, 6, 7, 0} จุดเริ่ม การหา Chain code ทิศทาง Chain code

8 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 8 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) ภาพ “ข” ที่ใช้เพื่อหาตำแหน่งหัว ของตัวอักษร Feature ที่ได้จากการหาตำแหน่งหัว ของตัวอักษร = 5 Feature จากภาพ “ข” มีตำแหน่งหัวอยู่ที่ โซน 1

9 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 9 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) 3. การหาตำแหน่งสิ้นสุดของตัวอักษร (End Point) ซึ่งการหาตำแหน่งสิ้นสุดของตัวอักษร ต้องอาศัย Mask (3x3) เพื่อช่วยในการหา Mask ขนาด 3x3

10 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 10 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) โดยพิจารณาตำแหน่งสิ้นสุดจากรูปแบบทั้ง 4 ลักษณะ ดังต่อไปนี้ ตำแหน่งที่ใช้ในการพิจารณาตำแหน่งสิ้นสุด

11 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 11 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) Zone 2 ตำแหน่งสิ้นสุดของ Zone 2

12 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 12 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) ภาพ “ข” ที่ใช้เพื่อหาตำแหน่ง สิ้นสุดของตัวอักษร Feature ที่ได้จากการหาตำแหน่ง สิ้นสุดของตัวอักษร = 4 Feature จากภาพ “ข” มีตำแหน่งสิ้นสุดของ ตัวอักษรอยู่ที่โซน 2

13 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 13 สรุปผลการหาคุณลักษณะพิเศษ Feature ที่ได้จากการหาความหนาแน่น คือ 16 Feature Feature ที่ได้จากการหาตำแหน่งหัว ของตัวอักษร คือ 5 Feature Feature ที่ได้จากการหาตำแหน่งสิ้นสุด ของตัวอักษร คือ 4 Feature  คุณลักษณะพิเศษ ที่ใช้เป็น Input node ใน Neural Network คือ 25 โหนด

14 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 14 การหาคุณลักษณะพิเศษ จากงานวิจัย “ การรู้จำลายมือเขียนภาษาไทยแบบออนไลน์ด้วย โครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ ” วิจัยโดย ศิริวัฒน์ ภูขาว และ พุทธิพงส์ เพ็งประโคน สรุปการหาคุณลักษณะพิเศษได้ดังนี้

15 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 15

16 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 16 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) 4. การหาทิศทางของตัวอักษรในแต่ละโซน พิกัดของตำแหน่งเริ่มต้น และสิ้นสุด ตำแหน่งพิกัดที่ พิจารณา เริ่มต้น สิ้นสุด

17 การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 17 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) คำนวณ


ดาวน์โหลด ppt การหาคุณลักษณะพิเศษ. การแปลงภาพสีเทาให้เป็นภาพสีขาว ดำ 2 การหาคุณลักษณะพิเศษ (Feature Extraction) การแบ่งพื้นที่ภาพ (Zone) ตัวอย่างภาพขนาด 16x16 พิกเซล.

งานนำเสนอที่คล้ายกัน


Ads by Google