ДОСЛІДЖЕННЯ ДЕСКРИПТОРІВ ЩОДО РОЗПІЗНАВАННЯ ЦИФР НАБОРУ MNIST
DOI:
https://doi.org/10.34185/1562-9945-2-127-2020-04Ключові слова:
розпізнавання, цифри рукопису MNIST, дескриптори, Ху-моменти, гістограми, Python, Scikit-Learn, метод k-середніхАнотація
Кращі результати розпізнавання цифр отримані на основі нейронних мереж і мають помилку менше 1%. Успішні алгоритми розпізнавання, в тому числі і глибокого навчання, приховані від користувача і складні в описі, тому не втратили свою актуальність алгоритми на основі дескрипторів. Метою роботи є вибір та дослідження дескрипторів для розпізнавання набору MNIST. Виконано розпізнавання цифр на основі 12 дескрипторів із застосуванням моделей з бібліотеки Scikit-Learn Python. За результатами розпізнавання методом k-середніх з’ясовано, що доцільно обрати 8 дескрипторів.
Посилання
Shlezinger M., Glavach V. Desyat lektsiy po statisticheskomu i strukturnomu raspoznavaniyu. - K.: Naukova dumka, 2004. — 545 s.
Barsegyan A. A., Kupriyanov M. S., Stepanenko V.V., Holod I.I. Metodyi i modeli analiza dannyih: OLAP i Data Mining, - SPb.: BHV-Peterburg, 2004. – 336s.
Plas Dzh. Vander. Python dlya slozhnyih zadach: nauka o dannyih i mashinnoe obuchenie. — SPb.: Piter, 2018. — 576 s.
Neyronnyie seti s samoorganizatsiey v zadachah klassifikatsii i obrabotki izobrazheniy / G. A. Ososkov, S. G. Dmitrievskiy, A. V. Stadnik // Iskusstv. intellekt. - 2004. - # 3. - S. 574-586. - Bibliogr.: 6 nazv. - rus.
Dorosh N. L., Hrapach Yu. A. Programmnoe sredstvo dlya raspoznavaniya tsifr na izobrazheniyah// Materialyi mezhdunarodnoy nauchnoy konferentsii «Intellektualnyie sistemyi prinyatiya resheniy i problemyi vyichislitelnogo intellekta» (ISDMCI’2012). – Herson: HNTU, 2012. – S. 353-355.
MNIST. Who is the best in MNIST? [Electronic resource] - Access mode.— URL:https://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html /( date of appeal 18.10.2019)
Raspoznavanie rukopisnyih tsifr s ispolzovaniem svertochnyih neyronnyih setey v Python s Keras [Electronic resource] - Access mode.— URL:
https://www.machinelearningmastery.ru/handwritten-digit-recognition-using-convolutional-neural-networks-python-keras//( date of appeal 18.10.2019)
Zheron, Orelen. Prikladnoe mashinnoe obuchenie s pomoschyu Scikit-Learn i TensorFlow: kontseptsii, instrumentyi i tehniki dlya sozdaniya intellektualnyih sistem./Per. s angl. — SPb.: OOO "Alfa-kniga, 2018. — 688 s.
The MNIST database of handwritten digits. [Electronic resource] - Access mode.— URL: http://yann.lecun.com/exdb/mnist/ / (date of appeal 18.10.2019).
Gonsales R., Vuds R., Eddins S. Tsifrovaya obrabotka izobrazheniy v srede MatLab. M: Tehnosfera, 2006. – 616 s.
Hu_moments_in_Python. [Electronic resource] - Access mode. — URL:https://github.com/adailtonjn68/hu_moments_in_python/blob/master/hu_moments.py/( date of appeal 24.11.2019).
Yane B. Tsifrovaya obrabotka izobrazheniy. M: Tehnosfera, 2007. – 584 s.
