پروژه شنااسایی آماری الگو

[hasting_m]

پاسخ : پروژه شنااسایی آماری الگو

سلام.تشکر فراوان
1)مثلا برای تصویر این دیتا بیس ها یی که برای تصویر هست رو خودم باید درست کنم؟یا چون فرمودید تست شده و قطعی هستند باید همیشه از یک جایی داشته باشیم؟
2)ویژگی ها مثلا قطر لب فاصله دو ابرو و...هستند.من ارتباط ریاضیانه اینها تو متلب(که فقط ماتریس هستند)رو با این توصیفات متوجه نمیشم.تو این پروژه این درس الان من نیازیه که بدونم ویژگی اصلا چی هست؟؟یا فقط اعداد و مقایسه های ریاضی اونها؟که مثلا با f ratio بگم کدوم ویژگی بهتره یا بدتر؟؟
2)پروژه این درس اگر در مورد تصویر باشه یعنی صورت سوالش این هست که طبق بانک اطلاعاتی که بهش داده شده،تشخیص بده تصویروجود دارد یا نه؟؟برای گفتار چطور؟
3)فراخوانی تصویریا صدا یا هر چیزی در متلب با یک ماتریس ذخیره میشود بردارهای این ماتریس که یک تصویر یا...را توصیف میکند چیست؟؟بردار ویژگی هستند یا نه؟؟
4)اون قسمتی که توضیح داه بودید 10المان اول +3 برابر ...رو نفهمیدمممممممممم

[hasting_m]

پاسخ : پروژه شنااسایی آماری الگو

میشه لطف کنید یک پروژه تعریف کنید برام.فکر کنم از آخر به اول بفهمم بهتر باشه!
منظورم معین کردن یک موضوع نیست.یک مثال که صورت سوالش کامل باشه بفهمم چیه

[hasting_m]

پاسخ : پروژه شنااسایی آماری الگو

تصویر صدا یا سیگنال قلبی...
مثلا برای تصویر در حالت تست باید چی رو تشخیص بده؟؟اینکه تصویر جز کدوم کلاس هست؟؟خب اون تصویر که جز هیچکدام نیتس.یا فقط تشخیص یک چهره هست(در کل یک صفحه که تشخیص بده تصویر مثلا آدمی هست یا نه؟)؟

[hess]

پاسخ : پروژه شنااسایی آماری الگو

سلام ..

مثالی که خوب میشه در ذهن تصویرش کرد، شاید مساله ی کلاسیک Face Detection باشه .. در ابتدا، پیش از اونکه به ادامه ی راه بپردازیم، دو واژه رو باید از هم مجزا کنیم: اول Detection و دیگری Recognition .. برای مثال فرض کنید یک آبجکت دلخواه (به معنای عام لغت) در نظر می گیریم (میتونه این آبجکت؛ صورت باشه، لیوان باشه، ماشین باشه، صندلی باشه و یا هر چیز دیگه) و اون رو با هر کدام از دو واژه ی بالا ترکیب می کنیم و معنای اونها رو بررسی .. اول نوبت Object Detection هست .. مفهوم این عبارت چیه دقیقا؟ هدف و منطق کلی Detection بررسی دنیای خارج از دو درگاه + و یا - هست، یا به عبارت خلاصه تر، آری و خیر .. تلاش الگوریتم های Detection بر این هست که در فضای تست؛ تصمیم بگیرن که آیا آبجکت Train شده در مرحله ی آموزش، در تصاویر تست موجود "هست" یا "نیست" .. نوع آموزش الگوریتم های Detection هم به این طریق هست که در نمونه های Train (یا به بیان بهتر Train_Set) دو نوع دیتا موجود هست، دسته ی اول (که با لیبل + یا 1+ تعیین میشن) دیتاهای آبجکت مورد نظر ماست (صورت "یا" لیوان "یا" ماشین "یا" . . . ) و دسته ی دوم آبجکت های رندمی که از نوع آبجکت های ما نیستند (برای مثال برگ درختان، گل ها، بخشی از ساختمان ها، خیابان ها و . . .) که با لیبل - یا 1- تعیین میشن .. جمع آوری تصاویر دیتابیس بر عهده ی ما هست (خیلی از Research Center ها تلاش میکنن تا با هزینه ای که از بخش تحقیقات به اونها تعلق میگیره، یک دیتابیس تازه معرفی کنند و سعی کنند تا زمینه ای تازه برای تحقیقات گروه های دیگه فراهم کنن، با این هدف که اولا با این کار قابلیت انتشار Paper های متعدد رو خواهند داشت (به دلیل تازه بودن حیطه) و در اولویت دوم هم، آینده ی این دیتابیس ها هست، به این دلیل که هر گروه تحقیقاتی دیگری در آینده از این دیتابیس ها برای طرح های خودشون استفاده کنند، رفرنسی که به گروه تحقیقاتی اولیه ی تولید کننده ی دیتابیس ها داده میشه؛ باعث افزایش Rank و Reputation اونها در بین گروه های دیگه میشه و با این کار قابلیت جذب سرمایه ی سالانه ی بیشتری رو از مرکز تحقیقات فراهم میکنند و این به نوع خودش کمی جالب (!) توجه هست) .. از موضوع دور نشیم .. تا به اینجا دیتابیسی داریم، که اولا ساخته ی دست خود ما هست، و ثانیا دو نوع مختلف از دیتا ها رو در خودش داره، نوع اول: دیتاهای آبجکت مورد نظر ما هستند، و نوع دوم: آبجکت های غیر از آبجکت مورد نظر ما .. (میتونیم اونها رو اینطور هم نام ببریم: Objects و None_Objects) .. برای آموزش الگوریتم، هم به Objects ها احتیاج داریم و هم به None_Objects ها .. امــا چطور الگوریتم آموزش میبینه؟ بر روی درصدی از هر دو نوع دیتا (برای مثال %75 از Objects ها و %75 از None_Objects ها) ویژگی هایی رو که انتخاب کردیم (وظیفه ی این ویژگی ها این هست که از اطلاعات Naive رنگی پیکسل ها [هر چند که شاید انتخاب واژه ی Naive دقیق نباشه؛ به این دلیل که در خیلی موارد نادر، این اطلاعات پیکسل ها هستند که به عنوان Feature های خوب مورد استقبال قرار میگیرن] یک توصیف تازه ارائه بدن که در بین Objects ها دارای وحدت خاصی هست و خیلی خوشبینانه یکتا باقی میمونن) اعمال میکنیم و خروجی اونها رو در بردارهای سطری ذخیره میکنیم و در آخر همه ی این بردارها رو در یک سوپر ماتریس ذخیره میکنیم (Optional هست این بخش .. بستگی به نوع پیاده سازی مساله داره) .. الان چیزی که داریم، نه اون تصاویر ابتدایی دیتابیس هستند، بلکه یک سری بردار تازه به وجود اومدند که برای این کلاس معنا و مفهوم خاصی دارن و شاید به نحوی بهترین توصیف کننده ی تصاویر این دسته باشند (خیلی به کرات پیش میاد که ویژگی ای که برای "صندلی" ها خوب هست، برای "صورت" ها خوب نیست، و برعکس .. از این جهت هست که باید ویژگی های مختلف رو تست کرد و نتایجشون رو با یکدیگر مقایسه) .. بردار ویژگی ها هم چیزی نیستند به جز مجموعه ای از عدد و رقم ها .. یعنی یک لیست از اعدادی (float یا integer) که شاید در نگاه اول، برای کاربر معنای خاصی نداشته باشند، امــا از نگاه اون Descriptor خاص، (ویژگی منظور هست) معنای بسیار ویژه ای دارند .. نوع تعریف Descriptor ها و یا ویژگی ها هم بر عهده ی ماست .. میتونیم از Descriptor های رایج استفاده کنیم، ولی/امــا هم میتونیم یک Feature تازه تعریف کنیم .. درست مثل اتفاقی که در Haar_like_Feature ها افتاد (Face Detection using AdaBoost ) .. یک نوع ویژگی ابتکاری، که بر روی تصاویر صورت (و البته با وابسته بودن به ایده ی Integral Image) بسیار خوب پاسخ دادند .. جمع بندی تا به اینجای مساله: از تصاویر دیتابیس، بردار ویژگی ساختیم و الان این بردارها رو به عنوان ورودی به الگوریتم میدیم تا با کم و زیاد کردن ضرائب و وزن ها، آموزش ببینه؛ برای این هدف که در مجموعه ی دیتاهای Train_Set همواره Objects ها رو از None_Objects ها بتونه صحیح (با درصد بالایی) تشخیص بده .. نکته ی کوتاه: ما در اینجا از تصویر صحبت میکنیم، و میدونیم که تصویر در نهایت چیزی جز ماتریسی از اعداد نیست .. اگر به تصویر آنالوگ در قیاس با دیجیتال فکر کنیم؛ به این نکته میرسیم که همواره راهی هست برای رسیدن از سیگنال به Representation معادل اون در حوزه ی دیجیتال .. با Sample Rate های مختلف میشه از عهده ی این مساله بر اومد و درنتیجه سیگنال ها به عنوان دیتاهای ورودی ما مورد نطر قرار میگیرن .. بحث های تا به اینجا مربوط به Object Detection میشدند .. برای Object Recognition روند آموزش و ویژگی ها یکی هست امــا به جای لیبل های + و - ، در اینجا چیزی شبیه یک Hash Table داریم، به این معنا که در مرحله ی تست، باید الگوریتم قادر باشه که تشخیص بده که آبجکت هدف (Query image) متعلق به کدام "کلاس" یا Category از آبجکت ها هست و برای این موضوع به طور کلاسیک خیلی ملموس هست اگر یک "کد" برگردونده بشه، با این استدلال که هر کد به خصوص؛ متعلق به یک کلاس خاص هست .. در این حیطه یک مقدار فضای بحث وسیع تر میشه امــا منطق، همیشه ثابت هست .. در این آدرس میتونید فایلی رو دانلود کنید، که یک سیستم Face Detection با استفاده از Neural Network هست .. از ReadMe این فایل میتونید با نحوه ی اجرای کد کاملا آشنا بشید و اون رو Run کنید و نتایج اون رو ببینید .. به صورت دقیق فایل های مختلف اون رو بررسی کنید (اینکه کجا دیتابیس هست، و اینکه تست ست کجاست و ...) تا با جزئیات دیتاها بیشتر آشنا بشید (بر روی نوع آموزش الگوریتم تمرکز نکنید بلکه دیتا ها و نوع کاربرد اونها رو بیشتر مورد توجه قرار بدید ) .. امیدوارم که این فایل بتونه براتون مفید باشه .. و نکته ی آخر: اگر در پاسخگویی تاخیری پیش میاد، علت اون زمان هست، از این بابت عذرخواهی میکنم .. موفق و سلامت و شاد باشید ..

[hasting_m]

پاسخ : پروژه شنااسایی آماری الگو

شرمنده عذرخواهم .باز هم تشکر.مطالبتونو میخونم و صبر میکنم تا خود استاد ببینم چی میگه .جالبه دقیقا برعکس من شما کاملا مصطلح حرف میزنید و خیلی تخصصی