Um estudo comparativo para o reconhecimento de dígitos Eduardo Mazza Ivanildo Aquino Milton Burgos Ricardo Scholz
Agenda Introdução Pré-processamento RBF Classificador Ingênuo de Bayes Resultados Conclusão Demonstração Referências
Introdução Reconhecimento de dígito Útil para reconhecimento de CEPs nos CORREIOS, placa de carros, CENSO, entre outros.
Pré-processamento Enquadra o número Uso de máscaras Tirar as linhas “grossas”
RBF
Classificador Ingênuo de Bayes Se baseia do Teorema da Probabilidade Total e Distribuição de Bayes Calcula a classificação de maior probabilidade relativa em relação a base de teste
Classificador Ingênuo de Bayes
Resultados
Conclusão RBF se mostrou com uma taxa de acerto muito pior em certos casos. Classificador de Bayes apesar de ter maior taxa de acerto tem um desempenho inferior. RBF depois de treinamento (~ 20 min) tem melhor desempenho.
Demonstração
Referências H. Baltzakis, N. Papamarkos(2000). A new signature verification techinique based on a two-stage neural network classifier. Bob Fisher, Simon Perkins, Ashley Walker and Erik Wolfart - Department of Artificial Intelligence, University of Edinburgh UK. The Hypermedia Image Processing Reference. visitado em S. haykin. Neural Networks: A compreensive foundation. THE MNIST DATABASE of handwrittendigits. ttp://yann.lecun.com/exdb/mnist/, visitado em Andrew McCallumzy, Kamal Nigamy, Naive Bayes Classifier Wikipedia. Naive Bayes Classifier.
PERGUNTAS???