پروژه آموزشی تشخیص اعداد فارسی 1 تا 9 با شبکه عصبی پرسپترون با متلب

گزارش شبیه سازی متلب:

در اینجا ارقام فارسی از 0 تا 9 از فولدرهای مربوطه خوانده شده و هم اندازه میشوند. سپس به صورت یک بردار ستونی درآمده و در یک ماتریس ذخیره میشوند. به عبارت دیگر ماتریس داده در هر ستون حاوی مقادیر پیکسلهای نرمالیزه شده تصاویر ارقام است.

سپس از ساختار شبکه عصبی تک و دو و سه لایه برای آموزش توسط بخشی از داده و تست توسط بخش باقیمانده استفاده میشود.

دقت کنید که به دلیل کیفیت پایین تصاویر و اندازه های متفاوت دقت کلاسبندی توسط شبکه عصبی چندان جالب نمیباشد.

توضیح کد:

%% data formation

% image common size (after resizing all)

k = 35;

% loop over folders containing digits

for i=0:9

    % adding folder path

    addpath(num2str(i));

    % reading folder content names

    fileNames = dir(num2str(i));

اندازه سایز هر تصویر تعیین میشود (بعد از resize)

بر روی فولدر ارقام حلقه حرکت کرده و محتویات هر فولدر را میخواند. در مرحله اول نام فایلها خوانده میشود.

    % loop over digit images inside current folder

    for j=3:length(fileNames)

        % image reading

        I = imread(fileNames(j).name);

در هر فولدر هر تصویر خوانده میشود.

نتایج:

برای سایز 35 در 35 برای تصاویر نتایج زیر حاصل شده است. دقت کنید که به دلیل ماهیت تصادفی بودن به همریختگی داده یا همان شافل کردن و تفاوت داده های آموزش و تست در هر بار اجرای کد، نتایج خطای زیر در اجراهای متفاوت تغییر میکنند.

در شکل بالا میزان خطای میانگین مربع در طول آموزش و ارزیابی (در حین آموزش برای دسته داده های تصادفی از همان داده آموزشی) و تست که مربوط به داده های تست میباشد رسم شده است. دقت کنید که نمودار آموزش بهترین عملکرد را دارد ولی در تست عملکرد افت پیدا میکند که با توجه به ورودی جدید در این قسمت طبیعی است. بخش ارزیابی نیز همچون تست چون برای مجموعه داده کمتری آموزش دیده عملکرد بدتری نسبت به آموزش دارد.