CHƯƠNG 3: MẠNG NƠRON NỘI SUY RBF (RADIAL BASIC FUNCTION)
3.5. Ứng dụng mạng RBF
Trong nhiều hướng nghiên cứu nhằm triển khai các hệ thống thông minh, mạng nơron đang là lựa chọn khá phổ biến. Chúng là cơ sở cho các giải pháp nhƣ nhận dạng, tự động hoá điều khiển, trí tuệ nhân tạo...
Có thể liệt kê ra rất nhiều khía cạnh nghiên cứu và ứng dụng của mạng nơron RBF nhƣ: Dùng các phép biến đổi để khử nhiễu và tách đối tƣợng từ ảnh thu nhận đƣợc, sau đó đối tƣợng tách ra từ ảnh đƣợc nhận dạng nhờ một mạng nơron RBF; Hệ thống tay máy có gắn camera để quan sát và bám mục tiêu, với phương thức điều khiển dựa trên nguyên lý tuyến tính hóa các tín hiệu ảnh phản hồi, kết hợp với khả năng của mạng nơron RBF để làm giảm nhẹ tác động của những thành phần ngẫu nhiên, cho phép sử dụng các tham số có độ chính xác hạn chế vào mô hình động lực học của hệ thống theo dõi; ...
Ứng dụng mạng nơron để nhận dạng mẫu
Nhận dạng mẫu là một bài toán tổng quát, trong từng trường hợp ứng dụng cụ thể, mẫu nhận dạng có thể là ảnh, chữ viết, tiếng nói, … Trong đó ứng dụng về nhận dạng ảnh là một khía cạnh được xem là có bước tiến lớn và phổ biến rộng rãi nhất.
Nhận dạng ảnh là một quá trình nằm trong lĩnh vực Xử lý ảnh. Xử lý ảnh là một lĩnh vực liên quan đến nhiều ngành khoa học khác nhau, về mặt tổng quát có thể đƣa ra một quá trình Xử lý ảnh nhƣ sau:
Trong đó, đầu vào là ảnh thu đƣợc từ các thiết bị ghi ảnh, giai đoạn xử lý ảnh bao gồm nhiều quá trình con để đƣa ra kết quả nhận dạng, kết quả nhận dạng này sẽ đƣợc sử dụng trong các ứng dụng khác nhau với những mục đích khác nhau.
Một vài trong số rất nhiều ứng dụng sử dụng kết quả nhận dạng đó là: Nhận dạng ảnh mặt người, ta có thể thấy rằng tại các cửa khẩu quốc tế, khi ảnh của người xuất nhập cảnh đƣợc đọc vào thông qua máy đọc hộ chiếu, ảnh này cần phải đƣợc nhận dạng ngay lập tức để có thể xác định ảnh thu đƣợc có nằm trong danh sách đối tƣợng “nhạy cảm” hay không, qua đó mà cán bộ tại bục xuất nhập cảnh có những nghiệp vụ phù hợp; Nhận dạng chữ, hiện nay, tồn tại một khối lƣợng đồ sộ các tài liệu nhƣ sách báo cũ, thƣ từ, tƣ liệu, ... đã đƣợc in ấn hay viết tay. Nếu muốn chỉnh sửa các tài liệu đó, trước đây thường sử dụng cách đánh máy lại tài liệu. Với tiến bộ của công nghệ xử lý ảnh, người ta hoàn toàn có thể quét ảnh các tài liệu (thu nhận), số hóa, phân tích, nhận dạng trước khi lưu trữ để phục vụ cho các mục đích khác nhau (chỉnh sửa, tra cứu, ...).
Để đọc một đối tƣợng ảnh hay nhận biết một đối tƣợng qua ảnh, chúng ta cần trích từ ảnh đối tƣợng các vector đặc trƣng. Vector đặc trƣng của một ảnh là duy nhất, và từ vector đặc trƣng của một ảnh đối tƣợng, chúng ta có thể tái tạo lại những đường nét cơ bản của ảnh đó.
Ở đây chúng ta đi chi tiết vào một hệ thống nhận dạng ảnh mặt người (Human Face Recognition System), đƣợc viết tắt là HFRS. Nhìn chung, HFRS thực
CAMERA SCANNER SENSOR ...
Thu nhận Trích đặc trƣng Nhận dạng
THIẾT BỊ XỬ LÝ ẢNH ỨNG DỤNG
LƯU TRỮ HỆ QUYẾT ĐỊNH ...
hiện bao gồm 2 giai đoạn: Giai đoạn thứ nhất là tách ra những vùng đối tƣợng chính trong mặt người và biểu diễn chúng bởi các vector đặc trưng, hay còn gọi là trích đặc trưng; Giai đoạn thứ hai là phân loại ảnh mặt người dựa trên vector đặc trưng thu đƣợc từ giai đoạn thứ nhất. Ở đây, mạng nơron RBF có thể đƣợc sử dụng nhƣ một công cụ phân loại trong HFRS.
Ta có thể trình bày ứng dụng mạng RBF nhƣ sau:
Mạng RBF nội suy từ miền D(Rn)Rm. Tập mẫu Nk
xk 1 (xkRn) là tập vector đặc trƣng của N ảnh mẫu dùng để huấn luyện mạng và khởi tạo tập vector tâm Nk
ck 1 tương ứng với tập vector đặc trưng. Bằng thuật toán được chọn để huấn luyện mạng RBF, với tập Nk
xk 1, kN
ck 1 đã biết ta xác định đƣợc tập vector giá trị nội suy Nk
yk 1(ykRm).
Mỗi khi bắt gặp một ảnh mới cần kiểm tra, ta thực hiện trích đặc trƣng thành một vector xkj, sau đó đƣa vào mạng RBF để thu đƣợc vector giá trị nội suy
k
yj. Nếu ykj thuộc tập giá trị nội suy đã biết, ảnh đó đƣợc nhận dạng, ngƣợc lại, ta có thể sử dụng các phương pháp để xét sai số tương quan của vector ykj và phân loại ảnh.