[piotrek-5]

W jaki sposób sprawić, żeby sieć neuronowa była użyteczna dla rozpoznawania cyfr różnej wielkości i pojawiających się w różnych miejscach wczytywanego obrazu? Kojarzy ktoś nazwę algorytmu? Słowa kluczowe pod którymi mógłbym coś znaleźć w Google?

#machinelearning #programowanie

[Poziokat]

@piotrek-5: Trochę niejasne, chodzi Ci o OCR?

[kampar]

@piotrek-5: Może Convolutional neural network

[d.....f]

@piotrek-5: capsule network :)

[d.....f]

@kampar: główna krytyka CNN to brak odporności na przesunięcia czy obroty

[Ark00]

@piotrek-5: sliding windows?

[dziobaki_sa_jadowite]

@piotrek-5: jeśli to ty chcesz nauczyć taką sieć neuronową, to niezaleznie od jej architektury po prostu skalujesz obrazek do wspolnego rozmiaru, pomnazasz dataset poprzez obrót kopi zdjecia po roznych kątach. W teorii powinno zadziałać. Jeśli szukasz lepszego rozwiązania lub gotowego programu to poszukaj po haśle OCR.

[piotrek-5]

Trochę niejasne

Moim celem jest automatyczne znajdowanie i rozpoznanie liter bądź ikon ze screenshota z ekranu. Obiekty które chcę wykryć mogą różnić się pozycją, wielkością, ale nie spodziewam się że będą obrócone

[vasper]

@piotrek-5: W takim wypadku dobrym pomysłem byłoby skonstruowanie jakiegoś filtra, który próbowałby ujednolicić to wszystko, co jest widoczne na takim zrzucie ekranu.
Najpierw układasz wszystko w jakąś sensowna całość (data processing), a dopiero później stosujesz jakiś algorytm z zakresu ML.
Generalnie cała procedura tak powinna wyglądać.

[piotrek-5]

@vasper: co masz na myśli mówiąc "skonstruowanie filtra"? Mówisz np. o konwersji kolorów bitmapy do odcieni szarości?

[vasper]

Mam na myśli część programu, która będzie odpowiadać za przetwarzanie danych wejściowych,bo jak rozumiem, chcesz zrobić coś, co pozwoli na odczytanie cyfr z dowolnego dokumentu.
Zrobiłbym to tak:
- Program wczytuje obraz i skanuje, szukając wszystkich cyfr i zapisuje je jakoś w pamięci.
- Kolejnym krokiem byłoby ujednolicenie znalezionych cyfr - ujednolicenie rozdzielczości, usunięcie niepotrzebnych informacji (np. nadmiaru tła, jakichś resztek innych liter z dokumentu itd.)
- I dopiero po takich zabiegach