III- Phương pháp trích trọn đặc trưng kết hợp với SVM (Support Vector Machine) cho việc nhận dạng.
3. Nhận dạng sử dụng phương pháp SVM.
SVM là một tập hợp các phương pháp học có giám sát bao gồm phân tích dữ
liệu và nhận dạng mẫu, được sử dụng cho phân tích hồi quy. SVM dạng chuẩn lấy một tập hợp các dữ liệu đầu vào và dự báo mỗi dữ liệu đầu vào ứng với một lớp (class) trong số hai lớp mà dữ liệu ấy có khả năng rơi vào. Điều này làm cho dạng chuẩn SVM trở nên không có tính xác suất mà là một công cụ nhị phân tuyến tính.
Bằng trực giác, một mô hình SVM là một đại diện của các mẫu, như các điểm
được gắn trong không gian, sao cho các mẫu của cùng một lớp riêng biệt được nhóm lại, giữa các nhóm được chia tách một cách rộng rãi rõ ràng nhất có thể. Những mẫu mới sẽđược gắn vào cùng không gian trên và được dự báo ứng với lớp nào tuy theo nó nằm ở phía nào của đường chia tách các nhóm.
SVM (Support Vector Machines) là một phương pháp máy học tiên tiến đã có nhiều thành công không chỉ trong các lĩnh vực khai phá dữ liệu mà còn trong
lớp có độ chính xác rất cao và nó cũng đã được áp dụng nhiều trong việc nhận dạng các ký tự. Sau đây là 1 phương pháp nhận dạng trên cơ sở phân lớp SVM. Xây dựng 3 máy phân lớp SVM, sử dụng tập đặc trưng được trích chọn ở
trên để huấn luyện phân lớp và nhận dạng.
SVM1: phân lớp đối với nhóm ký tự có 1 vùng liên thông {A, B, C, D, E, G, H, I, K, L, M, N, O, P, Q, R, S, T, U, V, X, Y}.
SVM2: đối với các ký tự có dấu thì phần chữ đều là các nguyên âm, vì vậy máy này chỉ phân lớp các nguyên âm {A, E, I, O, U, Y}.
SVM3: phân lớp các ký tựđặc biệt khác {/, \, ?, ~, ^, <,>}
Các máy phân lớp SVM1, SVM2, SVM3 được xây dựng từ các SVM nhị
phân. Chúng tôi chọn thuật toán SMO ( để huấn luyện các máy phân lớp nhị phân theo chiến lược một chống một (OVO – One verus One) với các tham số C=100 và sử dụng hàm nhân là hàm Gaussian với σ=0.5.
Chi tiết cụ thể hơn về thuật toán nhận dạng này có thể xem thêm ở bài báo “Trích chọn đặc trưng wavelet Haar kết hợp với SVM cho việc nhận dạng” của các tác giả Phạm Phương Anh, Ngô Quốc Tạo, Phạm Mai Chi.
Các kết quả thực nghiệm cho thấy việc áp dụng phương pháp phân lớp SVM kết hợp với các đặc trưng Haar vào bài toán nhận dạng đạt độ chính xác tương đối khả quan và có triển vọng
Tuy nhiên khi sử dụng phương pháp này đòi hỏi phải đi xây dựng các tập dữ
Chương 3:
QUY TRÌNH XỬ LÝ ẢNH NHẬN DẠNG ỨNG DỤNG GIẢI THUẬT ARAOKAR CHO VIỆC NHẬN DẠNG HỘ CHIẾU THUẬT ARAOKAR CHO VIỆC NHẬN DẠNG HỘ CHIẾU I-Quy trình thuật toán xử lý ảnh nhận dạng.