A Hybrid Method for Robust Car Plate Character Recognition.

Slides:



Advertisements
Apresentações semelhantes
Reconhecimento de Captcha usando Redes Neurais Artificiais
Advertisements

Agenda Introdução Justificativa Objetivo Detecção de Spam
Redes Neurais Artificiais (RNA): Aprendizado
Aspectos de Implementação do Algoritmo Backpropagation
Aprendizado por Reforço: Uma Aplicação do Aprendizado Q
RECONHECIMENTO DE CARACTERES MANUSCRITOS APLICANDO REDES NEURAIS
10º CAPÍTULO Segmentação de imagem.
Adriano Kaminski Sanches
REDES NEURONAIS ARTIFICIAIS (RNAs) Universidade do Minho.
Araken de Medeiros Santos Anne Magály de Paula Canuto
PERCEPTRON (CONTINUAÇÃO)
AULA06-exercícios MLP.
NEOCOGNITRON.
Backpropagation Through Time
Aprendizado de Máquina
Seleção de Máquina Deve-se considerar: tamanho físico; potência;
O COEFICIENTE DE HURST E O COEFICIENTE DE VARIAÇÃO ESPACIAL NA SEGMENTAÇÃO DE TEXTURAS MULTIESPECTRAIS Dra Aura Conci Éldman Oliveira Nunes.
Aspectos da Implementação de Redes Neurais
Reconhecimento de Padrões Classificadores Lineares
Reconhecimento de Padrões PCA David Menotti, Ph.D. Universidade Federal de Ouro Preto (UFOP) Programa de Pós-Graduação em Ciência.
Iana Alexandra Alves Rufino
Acompanhamento de Cenas com Calibração Automática de Câmeras
Redes de Funções de Base Radial Radial Basis Functions (RBFs)
Inteligência Artificial
Inteligência Artificial
FACENS – Engenharia da Computação Inteligência Artificial
Integrando Textura e Forma para a Recuperação de Imagens por Conteúdo
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
RN Seleção Temas Projetos Formação de equipes e procedimentos Equipes de 1 a 3 componentes Equipe precisa deixar clara a participação/responsabilidades.
Aprendizado de Máquina
Introdução O que é computação?.
Alexandre Xavier Falcão & David Menotti
PROJETO DE REDES NEURAIS Leyla Manoella (lmmrl) Thiago Henrique (thfp)
Redes Neurais Auto-organizáveis
Momentos de Inércia Cap. 10
Classificação. Classificação: Atribuição a uma classe (rótulo de um atributo categórico). Classifica dados (constrói um modelo) baseado em um conjunto.
K-NN Prof. Dr. Rogério Vargas.
A License Plate-Recognition Algorithm for Intelligent Transportation System Applications (2006) Christos Nikolaos E. Anagnostopoulos, Ioannis E. Anagnostopoulos,
Redes Neurais Prof. Alex F. V. Machado.
Fernando Carvalho, João Manuel R. S. Tavares
Redes neurais artificiais
SBRN’02 - Simpósio Brasileiro de Redes Neurais
Redes Neuronais/Neurais/ Conexionistas Introdução
Redes Neurais Artificiais
Ademir Rafael Marques Guedes
MATERIAL DE APOIO À TAREFA 2
Sistemas Baseados em Aprendizado (Aprendizado de Máquina)
Relator: Leandro Augusto da Silva Contestador: Ramon Alfredo Moreno São Paulo, 14 de Março, de 2008.
RNA – Radial Basis Function
(OU) Hardware da Rede Implementacao da rede
Marcelo B. Nogueira Bruno Xavier da Costa Adelardo A. D. Medeiros
Best Combination of Binarization Methods for License Plate Character Segmentation (2013) - Resumo Vinicius Queiroz e Vinicius M. de Almeida.
Redes Neurais Artificiais. Introdução RNA são modelos matemáticos que se assemelham às estruturas neurais biológicas Capacidade computacional adquirida.
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Uma Introdução a SVM Support Vector Machines
Universidade Federal de Lavras Departamento de Ciência da Computação
Combinação de Preditores utilizando o Coeficiente de Correlação aplicado aos Problemas de Regressão Resumo Este trabalho apresenta um algoritmo de Boosting.
Biometria Reconhecimento de Assinaturas
Alexandre Suaide Ed. Oscar Sala sala 246 ramal 7072 Física Experimental III – aula 10
Redes Neurais Treinamento de MLP. Treinamento Divisão das entradas Parâmetros de treinamento –350 iterações –Nº de nós da camada interna (26, 46, 92)
Luana Bezerra Batista Redes Neurais Luana Bezerra Batista
Redes Neurais Artificiais
Rogério Ishibashi Orientador: Cairo L. Nascimento Jr.
Inteligência Artificial
Prof. Edison Oliveira de Jesus
Detecção de tráfego Skype na Web através de Redes Neurais Artigo Original: Freire, P. E., Ziviani, A., and Salles, R. M. (2008). Detecting skype flows.
Objetivo Este projeto destina-se ao estudo e à elaboração de modelos neurais artificiais, com o auxílio do programa Matlab. O objetivo principal deste.
Transcrição da apresentação:

A Hybrid Method for Robust Car Plate Character Recognition

Introdução Algoritmos de reconhecimento de placas são compostos de três etapas principais: 1) a extração da região da placa; 2) segmentação dos caracteres; 3) o reconhecimento de cada caractere.

Redes Neurais Inspiradas no modelo biológico do cérebro humano; Bp (Backpropagation) é um algoritmo para treinamento de Redes Multicamadas. Baseia-se no Aprendizado Supervisionado por Correção de Erros.

Fases no processo de aprendizagem do Bp

Método híbrido Combinação de métodos estatísticos e estruturais. Distinguir caracteres semelhantes através de características estruturais.

Pré-processamento: correção da inclinação Passo 1: Descobrir todas as regiões conectadas; Passo 2: Para cada região conectada, verifique se é uma região"válida": se T min < W i / H i < T max Passo 3: Para cada região conexa "válida", calcular o centro de gravidade (Gix, Giy);

Correção da inclinação Passo 4: ajustar os pontos calculados no Passo 3 por Quadrados Mínimos, obtendo a equação da reta, podendo assim calcular o coeficiente angular e enfim encontrar o ângulo de inclinação θ. A equação de correção da inclinação é definida como:

Resultado correção da inclinação

Pré-processamento: normalização do tamanho A posição de normalização (m, n) em (i, j) é obtido por:

Resultado normalização do tamanho

Reconhecimento de caracteres por métodos estatísticos

Reconhecimento de caracteres 8 e B por métodos estruturais Obter a sequencia de borda esquerda {F (i, k i ) I i = 1,2;..., M} da imagem de entrada F; Calcular a direção da curva da sequencia de borda esquerda {dir i l i = 1,......, M}. Calcular o total do conjunto de pontos da curva a partir da direção da sequencia de borda esquerda. Ajustar a sequencia de borda esquerda usando o Método dos Quadrados Mínimos.

Reconhecimento de caracteres semelhantes por métodos estruturais As características estruturais extraídas e parâmetros obtidos pelo algoritmo genético(otimização) são introduzidos em um classificador de árvore binária de decisão.

Resultados experimentais