AhmedEldeep
شكرا لك على تعاونك ، سبق وان اطلعت على هذا الرابط ، لكني لم أجد شيئا فيه يتعلق بموضوع تمييز الأعداد
شكرا على كل الأحوال
DzArticles
أتمنى منك مساعدتي ، المشكلة هي أني لا أعرف كيف ادخل الصورة التي تحتوي الاعداد مكتوبة بخط اليد (input)، مع القيمة التي تمثلها (output) إلى الأداة
فحسب مافهمت أن NNtool تستقبل المدخلات والمخرجات (للتدرب عليها) وتكون على هذه النمط
P = [0 0 1 1; 0 1 0 1]
T = [0 1 1 0]
وأنا مشكلة البداية لدي هنا
كيف أحول مدخلاتي إلى هذا النمط
The character recognition application can be used in two different ways. First way is to type every command inside the MATLAB console and workspace on hand. The second way is to use already pre-prepared Graphical User Interface. The GUI consists of two files. First file include all necessary programming code, and the second file include visible interface shapes and forms. The interface works like the workflow of recognition process. First we load the image, than we select the character and after that we click crop, pre-process, feature extraction and finally recognize. On every stage, GUI shows us a new image, which is unique for the each step.
وفي المرفق صورة النافذة التي يقصدها
لكن للأسف لم استطع ايجادها في الماتلاب
وبحثت في الهلب ولم أجدها ،،، هل منكم من يعرف كيف استخدم هذه الأداة ؟
وهل هي مفيدة لي كما فهمت؟
نعم الاخ
كما سبق وان اشرت لك ان استخدام الشبكات العصبونية يكون بعد تحضير الموديل الخاص
فهذه الشبكات تساعد على “القرار” وفقط
اي انك تعطيها المدخلات وهي تقرر هل تتوافق مع الخصائص ام لا
اي قبل استخدامك للشبكات
يجب مثلا ان تحضر موديل لكل رقم ، اي تعمل features extraction
ولما تستخرج هذه الخصائص تعطيها للشبكات
بعد ذلك كل صورة تدخلها ستقارن بهاته الخصائص
===
لذا ولعدم الاطالة
من المستحسن ان تطرح لنا ماوصلت اليه قبل ان نتكلم على الشبكات
اي نبدا في المرحلة الاولى
او على الاقل ان تطرح الطرق المقترحة عليك او التي يجب ان تعمل بها في استخراج الخصائص
اخى العزيز اولا يجب عليك البدء بمعالجة الصور لاستخراج الخصائص الموجودة
وكما ذكرت فالصورة تحتوى على ارقام فمثلا الرقم واحد يكون له خصائص معينة تميزه عن اى ارقام اخرى
وللبدء فى هذا يجب عليك تحويل الصورة الى gray scale او اى عمليات preprocessing اخرى لازمة
بعدها تبدا فى عمليات segmentation وهذه تكون مفيدة لازالة اى ضوضاء بالصورة وتحويلها الى binary لسهولة الحسابات
بعدها يمكنك استخدام edge detection او ايجاد الكونتور لايجاد خصائص هذا الشكل
وسيكون دور الشبكات العصبية فى الاختيار اى عملية ال classification
وموجود ايضا فى اللينك هذا الرابط http://yann.lecun.com/exdb/mnist/ الذى يحتوى على العديد من الارقام المكتوبة بخط اليد والتى تكون مفيدة اثناء عملية ال learning حيث ان الشبكة العصبية يجب ان تتعلم الاول على الكثير من الصور حتى تأخد القرار المناسب