Đang tải... (xem toàn văn)
Bài viết xây dựng chương trình mô phỏng hệ thống giữ xe tự động bằng cách sử dụng kỹ thuật xử lý hình ảnh để nhận dạng ký tự từ biển số xe. Phương pháp phân tích thành phần chính để trích xuất đặc trưng của ảnh khuôn mặt, giúp gia tăng tốc độ xử lý, độ chính xác; sử dụng mạng Neural Network để phân loại, gán nhãn cho các ảnh khuôn mặt cần nhận dạng bị nhiễu. Để nắm chi tiết nội dung nghiên cứu mời các bạn cùng tham khảo bài viết.
trọng số tối ưu cho lớp Nơ - ron nhiên ta loại bỏ đặc trưng cách Nơ - ron chậm trình xử lý mạng Nơ - ron Nhưng tăng tốc độ xử lý mạng Nơ - ron Tuy nhiên, Hiện tượng gọi ảnh hưởng chiều đặc trưng, thể hình 18 Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 2018 5000 pixels v�a phân t� ch đư�c đ�phân d�ng cho hai h� ng k�t�bi� n s�v�sau đ�l�tr� ch xu� t Hình Chương tr� nh nh� n dang bi� n s�k� t h�p khuôn m� t đư�c c� c k�t� Cu�ic�ng, t� c gi�đ�ichi� u c� c v�ng ch�a c� c k�t�đư�c t� ch v�i m� u c� c k�t�trong s�d�li� u đ�nh� n dạng Chu�i k�t�bi� n s�xe sau nh� n dạng ti� p t�c đư�c so s� nh v�ibi� n s�xe c� a ngư�i s�d� ng tương �ng Trong k�thu� t PCA, m� c đ� ch ch� nh l�t� m h�cơ s�tọa đ�m�i cho cu�ic�ng chi� u c� c đi� m d�li� u v� o s�thu đư�c m�tt� p d�li� u m�i Cơ s�= d�li� u khuôn m� t đ�hu� n luy� n mạng nơ-ron l�c� c� nh 2-D c�k� ch thư� 320 pixels x 320 pixels Trư�c s�d� ng PCA, � nh t� p� nh hu� n luy� n đư� chuy� n đ�i thành vector hàng 1x3202 Các vector hàng t� p hu� n luy� n sau đ�đư� x� p chung m�t t� p h�é gọi l�không gian khuôn m� t Sau đ�c� c eigenvector (vector đ� c trưng) thu�c không gian khuôn m� t đư�c tr� ch xu� t V�eigenvector tr� ch xu� t t�không gian vector bao g� m nh�ng � nh khuôn m� t đư�c gh� p lại, nên c�th�coi đ�l�c� c eigenface Theo c� ch nh� n n� y, eigenface quan trọng nh� t s�ch�a c� c đ� c trưng c� a m�t gương m� t c� nam v�n�trung b� nh C� c eigenface ti� p theo (� t quan trọng hơn) s�mô t�nh�ng đ� c đi� m chung kh� c c� a gương m� t ngư�i C� c eigenvector s�h�u c� c thu�c t� nh, c� th�đư�c x� c đ� nh ch�b�i ma tr� n vuông, c�n eigenvector (v�eigenvalue tương �ng) m�t n x n ma tr� n, t� t c�c� c eigenvector đ� u tr�c giao v�i V� y, t� m h�cơ s�tr�c chu� n m�i đ�thu đư�c m�t t� p eigenface ch� nh l� t� m eigenvector v�eigenvalue không gian khuôn m� t C� c d�li� u m�i sau đư�c chi� u v� o h� s�tọa đ�m�i n� y s�đư�c đưa qua mạng neuron đ�hu� n luy� n mạng t� m ma tr� n trọng s�t�i ưu H�th�ng s�gán m�i khuôn m� t cho bi� n s�đăng k�trư� tương �ng �ú i c�xe đ� n c�ng, th�c hi� n x�l�, nh� n dạng bi� n s�v� khuôn m� t Sau đ�ti� n h� nh so s� nh bi� n s�v� Hình C� c bư�c k�thu� t PCA dụng Từ phát triển thành phần tốc độ xử lý nhanh độ xác cao Bên ... t� ch v�i m� u c� c k�t�trong s�d�li� u đ�nh� n dạng Chu�i k�t�bi� n s xe sau nh� n dạng ti� p t�c đư�c so s� nh v�ibi� n s xe c� a ngư�i s�d� ng tương �ng Trong k�thu� t PCA, m� c đ� ch ch� nh... m�i Cơ s�= d�li� u khuôn m� t đ�hu� n luy� n mạng nơ-ron l�c� c� nh 2-D c�k� ch thư� 320 pixels x 320 pixels Trư�c s�d� ng PCA, � nh t� p� nh hu� n luy� n đư� chuy� n đ�i thành vector hàng 1x3202... s�đăng k�trư� tương �ng �ú i c xe đ� n c�ng, th�c hi� n x�l�, nh� n dạng bi� n s�v� khuôn m� t Sau đ�ti� n h� nh so s� nh bi� n s�v� Hình C� c bư�c k�thu� t PCA dụng Từ phát triển thành phần tốc