СИИ 3

Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации Ордена трудового Красного Знамени Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Московский технический университет связи и информатики Кафедра «Сети и системы фиксированной связи» Лабораторная работа №3 «Распознавание надписи содержащей изображение методом Random Forest»

Группа: БОС-2001 Выполнил: Ядринцев С. М. Проверил(а): Матюнина Д.Д. Дата: 19.11.2023

Москва 2023

Цель.

Освоение методики распознавания номеров автомобилей с использованием машинного обучения.

Работа программы.

Обучение:

>> CNR_train('C:\Users\777\Desktop\Train Images', false)

time on char 0 :: 23.53 (sec)

time on char 1 :: 1.55 (sec)

time on char 2 :: 2.05 (sec)

time on char 3 :: 1.17 (sec)

time on char 4 :: 1.30 (sec)

time on char 5 :: 1.55 (sec)

time on char 6 :: 1.42 (sec)

time on char 7 :: 1.19 (sec)

time on char 8 :: 1.03 (sec)

time on char 9 :: 1.23 (sec)

time on char A :: 1.20 (sec)

time on char B :: 1.27 (sec)

time on char C :: 1.52 (sec)

time on char E :: 1.50 (sec)

time on char H :: 1.30 (sec)

time on char K :: 1.17 (sec)

time on char M :: 1.20 (sec)

time on char O :: 1.23 (sec)

time on char P :: 1.11 (sec)

time on char T :: 1.11 (sec)

time on char X :: 1.19 (sec)

time on char Y :: 1.04 (sec)

total time 96.00

ans =

struct with fields:

nrnodes: 4401

ntree: 1000

xbestsplit: [4401×1000 double]

classwt: [22×1 double]

cutoff: [22×1 double]

treemap: [4401×2000 int32]

nodestatus: [4401×1000 int32]

nodeclass: [4401×1000 int32]

bestvar: [4401×1000 int32]

ndbigtree: [4401×1000 int32]

mtry: 15

orig_labels: [22×1 double]

new_labels: [1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22]

nclass: 22

outcl: [2200×1 int32]

counttr: [22×2200 int32]

proximity: []

localImp: 1

importance: [134×1 double]

importanceSD: 0

errtr: [1000×23 double]

inbag: [2200×1 int32]

votes: [2200×22 int32]

oob_times: [2200×1 double]

Проверка:

>> CarNumberRecognition2('C:\Users\777\Desktop\Test Images\17.bmp', true)

C:\Users\777\Desktop\Test Images\17.bmp -> T308KB (origin. T308KB17)

ans = 'T308KB'

Вывод.

В результате проверки было обнаружено, что классификатор не смог правильно определить номер региона на рег. знаке автомобиля. Классификатор показал “Т308КВ17”, однако правильным ответом является “Т308КВ177”

Контрольные вопросы.

1. В чем заключается суть метода Random Forest?

Метод использует ансамбль решающих деревьев. Дерево само по себе плохо справляется с решениями, но это купируется за счет большого количества обучающих изображений.

2. Как осуществляется хранение символов в папке «Train Images»?

Для каждого символа есть папка с соответствующим именем. В самой же папке хранятся разные изображения этого символа.

3. Может ли у одного конкретного символа быть больше одного изображения для обучения?

Да, для каждого символа может быть неограниченное число изображений

4. В чем состоит принцип обучения алгоритма?

Для обучения классификатору передаются изображения каждого символа (классификатор знает какому символу какое изображение соответствует). Формируется ассамблея деревьев. Во время теста с реальными данными определяются весовые коэффициенты для этих деревьев. После чего классификатор принимает решение.

5. Является ли этот метод безошибочным? Почему?

Нет. Некоторые символы могут быть опознаны неправильно, а некоторые и не опознаны вовсе.