FER Zavrni rad Raspoznavanje prometnih znakova metodom potpornih

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Prof. dr. sc . Zora Ivan Kusalić n Kal afatić

Uvod FER Završni rad • • • Raspoznavanje prometnih znakova metodom potpornih vektora Raspoznavanje (klasifikacija) objekata • proces određivanja pripadnosti objekta grupi objekata sa sličnim odabranim svojstvima Stroj s potpornim vektorima • • eng. Support Vector Machine (SVM) efikasan algoritam za nadgledano strojno učenje Ova bi prezentacija trebala osigurati kratak uvod u problematiku raspoznavanja prometnih znakova pomoću Stroja s potpornim vektorima

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Klasifikacija linarno razdvojivih grupa objekata

Stroj s potpornim vektorima FER Završni rad • Raspoznavanje prometnih znakova metodom potpornih vektora Algoritam za nadgledano strojno učenje • izgrađuje klasifikator na temelju danog skupa za učenje • Binarni klasifikator • Određuje razdvajajuću hiperravninu koja razdvaja grupe objekata • Klasifikacija se vrši provjerom s koje strane hiperravnine se nalazi promatrani objekt

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Potporni vektori

Jezgreni trik FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora • Problem vezan uz podatke preko unutarnjeg produkta • Preslikavanje u prostor s više dimenzija upotrebom funkcije • Posljedica: nelinearna granica između grupa

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Primjer SVM-a s Gaussovom jezgrom

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Dodatna poboljšanja

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Raspoznavanje prometnih znakova

Normalizirane fotografije FER Završni rad • Raspoznavanje prometnih znakova metodom potpornih vektora Fotografije 24 x 24 slikovna elementa

Reprezentacija objekta - vektor značajki FER Završni rad • Za svaki slikovni element normalizirane fotografije 3 elementa vektora značajki • Raspoznavanje prometnih znakova metodom potpornih vektora svaka RGB komponenta daje jedan element vektora • 24 x 3=1728 elemenata • Relativno velik broj dimenzija • nije nužno koristiti jezgru

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Programsko ostvarenje

FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Primjer klasifikacije

Rezultati i zaključak FER Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora • Postignuta pouzdanost od 90 -95% • Jezgra ne utječe rezultate • Problem premalog skupa za učenje • Moguća značajna poboljšanja • • • upotreba specijalizirane jezgre bolji izbor vektora značajki dodatne optimizacije u programskom ostvarenju dodatna obrada fotografija dodatne informacije uz fotografije znakova

FER Kraj Završni rad Raspoznavanje prometnih znakova metodom potpornih vektora Hvala!