Đề tài Nhận dạng chữ số viết tay bằng mạng nơ ron

Trường đại học Khoa học tự nhiên Khoa Toán – Tin học Môn Xử lý đa chiều Giảng viên: Thạc sĩ Phạm Thế Bảo Đề tài: Nhận dạng chữ số viết tay bằng mạng nơ ron Nhóm: Dương Thanh An 0511053 Phan Bình Minh 0511156 Đoàn Nguyên Ngân 0511169 Phạm Thị Kim Phượng 0511190 Đề xuất mô hình mạng nơron cho bài toán phân loại mẫu Vấn đề nhận dạng chữ cái thuộc nhóm các bài toán phân loại mẫu. Nhiệm vụ của bài toán này là thiết lập cách phân loại cho các mẫu đầu vào (thường được cho dưới dạng một vector các đặc trưng) vào một trong các lớp cho trước. Ở đây ,xin đưa ra một mô hình mạng nơron có khả năng giải quyết các bài toán phân loại mẫu nói chung và bài toán nhận dạng chữ số viết tay nói riêng. Mô hình mạng nơron sử dụng ở đây là mạng lan truyền thẳng (MultiLayer Perceptron) với hai tầng gồm một tầng ẩn và một tầng đầu ra. Số nơron đầu vào bằng số chiều của vector đặc trưng cho mẫu, số nơron tầng ẩn có thể thay đổi linh hoạt trong quá trình luyện mạng, và số nơron tầng ra bằng số lớp cần phân loại. Các tham số của mạng được chọn như sau: ♦ Các nơron đều sử dụng hàm truyền sigmoid: ♦ Các trọng số được khởi tạo một cách ngẫu nhiên nhận các giá trị nhỏ ♦ Thuật toán huấn luyện mạng là thuật toán lan truyền ngược II Chuẩn bị và Thực hiện: - Chuẩn bị : Nhận dạng chữ số viết tay từ 0 đến 9 ,file số viết tay có đuôi .bmp, trắng đen, có kích thước 28x28 Xây dựng mạng nơ ron gồm có một tầng ẩn và một tầng xuất, tầng ẩn gồm có 28x28=784 nơ ron ứng với số pixel trong ảnh được quét từ trên xuống dưới, tầng xuất gồm có 10 nơ ron ứng với mười đầu ra từ 0 tới 9 Nơ ron thứ i ở tầng ẩn nhận các đầu vào lần lượt ở vị trí thứ (i-1), (i) và (i+1) Thực hiện: cho mạng nơ ron học bằng thuật toán lan truyền ngược ( file bmp_train.m) , huấn luyện mạng nơ ron theo sơ đồ sau: Trong đó: • Data: là tập dữ liệu ban đầu • Training Set: là tập dữ liệu huấn luyện • Test Set: là tập dữ liệu kiểm tra • ANN: là mạng nơron cần huấn luyện • Model: là mô hình tạo ra sau khi huấn luyện mạng với tập dữ liệu huấn luyện • Evaluator: là phần đánh giá chất lượng của mô hình, thường lấy tỉ lệ phân loại đúng trên tập kiểm tra làm tiêu chí đánh giá. Các mẫu được chia thành hai tập là tập huấn luyện (training set) và tập kiểm tra (test set). Khởi đầu với số lượng nút ẩn nhỏ, quá trình huấn luyện được tiến hành như sau: Huấn luyện mạng với tập dữ liệu huấn luyện, kiểm tra mô hình thu được trên tập dữ liệu kiểm tra. Chừng nào sai số trên tập kiểm tra còn giảm xuống thì tiếp tục tăng số nút ẩn, và huấn luyện lại trên tập dữ liệu huấn luyện. Khi nào sai số trên tập kiểm tra không giảm nữa (có thể tăng lên) thì dừng lại. -Giao diện của chương trình sau khi cài đặt: Trong đó: -nút load anh: load ảnh số viết tay cần nhận dạng -nút nhan dang: thực hiện quá trình nhận dạng ảnh dựa vào file recognizeDitgits.m -kết quả nhận diện sẽ được xuất ra tương ứng Khuyết điểm: Chương trình chưa học được nhiều số còn nhận sai