پردازش چهره از صفر تا ...

[dousti_design]

delphi_cat عزیز سلام. خیلی خوشحالم این تالار بالاخره راه اندازی شد. چند تا سوال از خدمتتون داشتم:
برای یه برنامه ocr ساده چه نوع شبکه عصبی رو پیشنهاد میکنید.
من برای تشخیص یک عدد خیلی کوچیک و ساده از پرسپترون چند لایه استفاده کردم اصلا جواب نداد(زیادم وارد نیستم).
درضمن فریمورک Aforge رو برای کار با شبکه های عصبی( و یادگیری آن) در سی شارپ توصیه میکنید یا خیر؟
کلا برای شبکه های عصبی فریم ورکی سراغ دارید که قابلیت تغییرش هم آسون باشه؟ برای پردازش تصویر و بینایی چی؟
برای کار با تصاویر چه زبان برنامه نویسی را پیشنهاد میکنید؟ سی شارپ مناسب هست؟
با تشکر فراوان

[مصطفی ساتکی]

برای یه برنامه ocr ساده چه نوع شبکه عصبی رو پیشنهاد میکنید.

البته شما از classifier های دیگر همچون SVM یا حتی رگرسیون هم می تونید استفاده کنید یا classifier های model base همانند hmm.
اما اگر فقط مد نظرتون این مورد که حتماً شبکه عصبی استفاده کنید 2 گزینه مناسب در پیش روتون دارید MLP و RBF.

من برای تشخیص یک عدد خیلی کوچیک و ساده از پرسپترون چند لایه استفاده کردم اصلا جواب نداد(زیادم وارد نیستم).

نگاه کنید مرحله forward مطلب خاصی نداره که شما بخاید رو مانور بدید مسئله اصلی مربوط میشه به متدی تصحیح خطا که در اون بایستی وزن ها رو به گونه ای تغییر بدید که شبکه با توجه به ورودی و جواب مطلوب خروجی رو به شما بده که کمترین خطا رو نسبت به جواب مطلوب بده.
متدی های که میان وزن ها رو اصلاح می کنند در واقع روش های بهینه ساز مدل هستند که از جمله آنها می توان به روش gradient descent ، maximum liklihod ، ضرایب لاگرانژ ، روش نیوتن و بسیاری از روش های دیگر استفاده نمود . در مورد روش gradient descent در اینجا بحث شده .البته برای جزئیات بیشتر می تونید به کتاب hugan رجوع کنید.
علاوه بر مواردی که گفته شد در مورد تنظیم پارامترهای شبکه شما بایستی استراتژی آموزش هم در نظر بگیرید که نحوه در هم ریختگی داده های ورودی رو در هر گام از شبکه مشخص می نماید .البته بایستی در ابتدا بایستی از روش های segmentation خودکار بیاید داده ها ورودی تونو کلاسه بندی کنید که برای اینکار می تونید از kmean و LVQ استفاده نماید .اگر داده هاتون خیلی زیاد باشه بایستی از روش های کاهش ابعاد بردار همچون pca بردارهای ورودی تونو از نظر حجم کاهش بدید و فقط از اون قسمت از اطلاعاتشون استفاده کنید که بیشترین بار اطلاعاتی رو دارند (در همین پست که وسطش سوال پرسدید توضیح دادم) همچین بجای استفاده از یک تک شبکه می تونید برای هر کلاستر یک شبکه در نظر بگیرید همانند decision tree که اصطلاحا به آن مدل OCON گفته میشه این روش هم باعث میشه هر کدام از زیر شبکه براحتی آموزش ببینند سرعت آموزش بالاتر خطای ردرون کلاسی کمتر میشه و اگر در مینیمم محلی گیر افتادید با روش تعداد iteration می تونید همون زیر شبکه رو reset نمایید.

درضمن فریمورک Aforge رو برای کار با شبکه های عصبی( و یادگیری آن) در سی شارپ توصیه میکنید یا خیر؟

بایستی به متد بهینه سازیش نگاه کنید و پارامترهایی که در نظر گرفته بقیه مواردی رو که خدمتون عرض کردم رو بایستی خودتون در نظر بگیرید .اگر نیازی ندارید که قسمت آموزش هم تو application باشه می تونید از MATLAB هم برای آموزش استفاده نمایید تو matlab وزن ها رو ذخیره کنید و تو برنامه خودتون اونو load کنید فقط خودتون forward رو بنویسید.

برای کار با تصاویر چه زبان برنامه نویسی را پیشنهاد میکنید؟ سی شارپ مناسب هست؟

بهترین گزینه مشتقات زبان C می باشد
موفق باشید