3ЛР / SII_3LR

МИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ

Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования

Московский технический университет связи и информатики

Лабораторная работа № 3

по дисциплине

“Системы искусственного интеллекта”

на тему

“РАСПОЗНАНИЕ НАДПИСИ, СОДЕРЖАЩЕЙСЯ В ИЗОБРАЖЕНИИ, МЕТОДОМ RANDOM FOREST”

Выполнил: студент гр. БЗС2002

Ломакин А. А.

Проверила: Матюнина Д.Д.

Москва 2023

Цель работы.

Освоение методики распознавания номеров автомобилей с использованием машинного обучения.

Работа программы

Обучение:

>> CNR_train('C:\Users\LEHAHAHA\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\LEHAHAHA\Desktop\Test Images\16.bmp', true)

C:\Users\LEHAHAHA\Desktop\Test Images\16.bmp -> P890TC (origin. P890TC150)

ans = 'P890TC'

Рисунок 1 – результат работы программы

Вывод.

В ходе лабораторной работы был успешно распознан номер автомобиля на изображении методом RANDOM FOREST. Классификатор показал следующий результат: «P890TC150», соответствующий номеру. Это свидетельствует о правильной работе классификатора, однако зачастую данный метод может ошибочно определить некоторые цифры/буквы номера.

Контрольные вопросы.

1. В чем заключается суть метода Random Forest?

Суть метода заключается в построении нескольких деревьев решений, называемых "случайными деревьями", на основе различных подмножеств обучающих данных. Каждое случайное дерево представляет собой независимый классификатор, который принимает решения на основе различных признаков.

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.