งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การหาคุณลักษณะพิเศษ.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การหาคุณลักษณะพิเศษ."— ใบสำเนางานนำเสนอ:

1 การหาคุณลักษณะพิเศษ

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

3 การหาคุณลักษณะพิเศษ (Feature Extraction)
ลักษณะเฉพาะแบบภาพรวม (Global Feature) ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

4 ลักษณะเฉพาะแบบภาพรวม (Global Feature)
1. การหาความหนาแน่น ภาพ “ก” ที่ใช้เพื่อหาความหนาแน่น ความหนาแน่นของแต่ละพื้นที่ภาพ Feature ที่ได้จากการหาความหนาแน่น = 16 Feature Feature ของความหนาแน่นที่ทำการ Normalization การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

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] กำหนดพื้นที่ภาพให้เป็น 5 โซน การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

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

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

8 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
จากภาพ “ข” มีตำแหน่งหัวอยู่ที่โซน 1 Feature ที่ได้จากการหาตำแหน่งหัวของตัวอักษร = 5 Feature ภาพ “ข” ที่ใช้เพื่อหาตำแหน่งหัวของตัวอักษร การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

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

10 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
โดยพิจารณาตำแหน่งสิ้นสุดจากรูปแบบทั้ง 4 ลักษณะ ดังต่อไปนี้ ตำแหน่งที่ใช้ในการพิจารณาตำแหน่งสิ้นสุด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

11 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
Zone 2 ตำแหน่งสิ้นสุดของ Zone 2 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

12 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
จากภาพ “ข” มีตำแหน่งสิ้นสุดของตัวอักษรอยู่ที่โซน 2 Feature ที่ได้จากการหาตำแหน่งสิ้นสุดของตัวอักษร = 4 Feature ภาพ “ข” ที่ใช้เพื่อหาตำแหน่งสิ้นสุดของตัวอักษร การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

13 สรุปผลการหาคุณลักษณะพิเศษ
Feature ที่ได้จากการหาความหนาแน่น คือ 16 Feature Feature ที่ได้จากการหาตำแหน่งหัวของตัวอักษร คือ 5 Feature Feature ที่ได้จากการหาตำแหน่งสิ้นสุดของตัวอักษร คือ 4 Feature คุณลักษณะพิเศษ ที่ใช้เป็น Input node ใน Neural Network คือ 25 โหนด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

14 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ
การหาคุณลักษณะพิเศษ จากงานวิจัย “การรู้จำลายมือเขียนภาษาไทยแบบออนไลน์ด้วยโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ” วิจัยโดย ศิริวัฒน์ ภูขาว และ พุทธิพงส์ เพ็งประโคน สรุปการหาคุณลักษณะพิเศษได้ดังนี้ การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

15 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

16 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
ตำแหน่งพิกัดที่พิจารณา 4. การหาทิศทางของตัวอักษรในแต่ละโซน เริ่มต้น สิ้นสุด พิกัดของตำแหน่งเริ่มต้น และสิ้นสุด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

17 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
คำนวณ การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ


ดาวน์โหลด ppt การหาคุณลักษณะพิเศษ.

งานนำเสนอที่คล้ายกัน


Ads by Google