Готовые отчеты (2021) / Лабораторная работа 6
.pdf
Эксперимент №8. Исследование влияния начертания входных образов на качество распознавания. В качестве исходного распознаваемого образа берется один из эталонов. Эталон модифицируется (делается жирное / наклонное / подчеркнутое начертание). Эксперимент повторяется на различных нейронных сетях для различных видоизменений.
Таблица 24 — Результаты эксперимента №8
Net |
Bold |
Italic |
Underline |
Accuracy |
|
|
|
|
|
1 |
0.2 |
0.2 |
0.2 |
Train Accuracy: 67.31% | Test Accuracy: 66.80% |
|
|
|
|
|
|
0.3 |
0.3 |
0.3 |
Train Accuracy: 67.91% | Test Accuracy: 67.11% |
|
|
|
|
|
|
0.4 |
0.4 |
0.4 |
Train Accuracy: 64.11% | Test Accuracy: 63.46% |
|
|
|
|
|
|
0.5 |
0.5 |
0.5 |
Train Accuracy: 52.16% | Test Accuracy: 52.65% |
|
|
|
|
|
|
0.6 |
0.6 |
0.6 |
Train Accuracy: 40.95% | Test Accuracy: 41.80% |
|
|
|
|
|
2 |
0.2 |
0.2 |
0.2 |
Train Accuracy: 84.07% | Test Accuracy: 83.48% |
|
|
|
|
|
|
0.3 |
0.3 |
0.3 |
Train Accuracy: 88.11% | Test Accuracy: 87.70% |
|
|
|
|
|
|
0.4 |
0.4 |
0.4 |
Train Accuracy: 84.06% | Test Accuracy: 83.82% |
|
|
|
|
|
|
0.5 |
0.5 |
0.5 |
Train Accuracy: 71.81% | Test Accuracy: 72.05% |
|
|
|
|
|
|
0.6 |
0.6 |
0.6 |
Train Accuracy: 59.48% | Test Accuracy: 60.06% |
|
|
|
|
|
3 |
0.2 |
0.2 |
0.2 |
Train Accuracy: 20.38% | Test Accuracy: 15.62% |
|
|
|
|
|
|
0.3 |
0.3 |
0.3 |
Train Accuracy: 24.45% | Test Accuracy: 16.29% |
|
|
|
|
|
|
0.4 |
0.4 |
0.4 |
Train Accuracy: 26.83% | Test Accuracy: 16.14% |
|
|
|
|
|
|
0.5 |
0.5 |
0.5 |
Train Accuracy: 26.68% | Test Accuracy: 15.96% |
|
|
|
|
|
|
0.6 |
0.6 |
0.6 |
Train Accuracy: 22.73% | Test Accuracy: 15.96% |
|
|
|
|
|
Рисунок 63 — Эксперимент №8. Исходное изображение и преобразования
Заключение В результате выполнения лабораторной работы мы реализовали
алгоритмы распознавания образов с помощью нейронных сетей на языке программирования Python и изучили их свойства.
Неплохая практико-ориентированная литература: «Бартеньев О. В. Классификация изображений нейронной сетью».
41