Reconhecimento de Padroes ITA

CC-226 Introduo Anlise de Padres
Viso Geral do Reconhecimento de Padres Carlos Henrique Q. Forster1

1 Diviso de Cincia da Computao Instituto Tecnolgico de Aeronutica
25 de fevereiro de 2008
university-logo
C. H. Q. Forster (ITA)
CC-226
1 / 28
Outline
1 2 3
Aplicaes da Anlise de Padres Exemplo de problema de classicao automtica Reconhecimento de padres Preprocessamento Extrao de feies Classicao Questes sobre a classicao e ps-processamento Cdigo-exemplo Tarefa Leituras Complementares
4 5 6
university-logo
CC-226
2 / 28
Aplicaes da Anlise de Padres
Aplicaes tpicas de percepo por mquina reconhecimento de fala identicao de impresso digital reconhecimento ptico de caracteres identicao de seqncias de DNA avaliao de risco de crdito busca de imagens semelhantes num base de dados categorizao automtica de documentos "minerao de dados"de forma geral
university-logo
CC-226
3 / 28
Exemplo do Duda e Hart
Uma fbrica de empacotamento de peixes deve selecionar automaticamente os peixes como "salmo"ou "corbina"(sea bass)
university-logo
CC-226
4 / 28
Atributos (features) dos peixes
Decidiu-se por utilizar uma cmera e medir diferenas fsicas entre os tipos de peixe. Alguns atributos: comprimento brilho largura nmero de barbatanas posio da boca ...
university-logo
CC-226
5 / 28
As classes "Salmo"e "Corbina"so descritas por modelos criados a partir das observaes que zemos. Esses modelos so descries matemticas. O reconhecimento de padres consiste em criar uma hiptese de qual modelo mais adequado para um padro observado.
university-logo
CC-226
6 / 28
Fases do reconhecimento de padres
Preprocessamento Extrao de feies (atributos, propriedades ou caractersticas) Classicao
university-logo
CC-226
7 / 28
Preprocessamento
Remoo de rudo (exemplo: ltragem da imagem) Segmentao (exemplo: limiarizao da imagem para remover o fundo) Normalizao (exemplo: ajustar automaticamente o nvel da luz para aferir o brilho)
university-logo
CC-226
8 / 28
Extrao de feies
Medindo algumas feies de um conjunto de amostras para treinamento: Comprimento (maior extenso do segmento da imagem do peixe) Largura (extenso na direo ortogonal do comprimento) Brilho (intensidade mdia da imagem do peixe) Estudar o valor dessas feies Histograma do comprimento das amostras de peixe para cada classe
university-logo
CC-226
9 / 28
Histograma do comprimento
til essa medida de comprimento?

C. H. Q. Forster (ITA) CC-226 25 de fevereiro de 2008
university-logo
10 / 28
Histograma do comprimento
til essa medida de comprimento?

university-logo
10 / 28
Histograma do brilho
E essa medida do brilho?

university-logo
11 / 28
Histograma do brilho
E essa medida do brilho?

university-logo
11 / 28
Mais de uma feio
Pode-se utilizar uma tupla com vrias medidas de feies para caracterizar um padro. Esse vetor pode ser chamado vetor de atributos. x1 x2 x= . . . xl
university-logo
CC-226
12 / 28
Scatterplot para dois atributos
Como eu posso denir um mecanismo para classicar peixes dadas university-logo medidas desses dois atributos?
C. H. Q. Forster (ITA) CC-226 25 de fevereiro de 2008 13 / 28
Scatterplot para dois atributos
Como eu posso denir um mecanismo para classicar peixes dadas university-logo medidas desses dois atributos?
C. H. Q. Forster (ITA) CC-226 25 de fevereiro de 2008 13 / 28
Classicador linear
Utilizar a equao de uma reta para separar.

university-logo
14 / 28
Classicador linear
Utilizar a equao de uma reta para separar.

university-logo
14 / 28
Classicao
A equao da superfcie de separao no caso bidimensional: w1 x1 + w2 x2 + w3 = 0 Na forma matricial (utilizando multiplicao de matrizes): x1 w1 w2 w3 x2 = 0 1 ou simplesmente, (produto interno de vetores) wT x = 0
university-logo
CC-226
15 / 28
Classicao
university-logo
CC-226
15 / 28
Classicao
university-logo
CC-226
15 / 28
Regra de Deciso
Decido que pertence a uma das classes se wT x < 0 ou que pertence outra classe se wT x > 0 Dado um conjunto de N vetores xj para treinamento, encontramos o vetor de parmetros w que dene a regra de deciso do classicador.
university-logo
CC-226
16 / 28
Classicao
Questes adicionais O que eu fao se a corbina for muito mais cara que o salmo? O que eu fao com atributos correlatos (e redundantes) como largura e comprimento? De forma geral, como sei se um novo atributo bom ou no dados os outros atributos que j tenho? Quantos atributos devo utilizar? E se utilizar muitos? Como devo treinar e avaliar o classicador?
university-logo
CC-226
17 / 28
Generalizao
Qual classicador melhor? Este?
university-logo
CC-226
18 / 28
Generalizao
Ou este?
university-logo
CC-226
19 / 28
Classicador timo
Esse classicador pondera simplicidade do classicador (princpio da parcimnia, Occams Razor) e taxa de acerto no conjunto de treinamento.
university-logo
CC-226
20 / 28
Sistema de reconhecimento de padres
university-logo
CC-226
21 / 28
Cdigo MATLAB do nosso classicador linear
%% "leitura" dos dados %% no caso so dados artificiais %% obtidos de distribuicoes normais randn(seed,0); corb_len=(randn(100,1)*10+18); salmon_len=(randn(100,1)*13+15); corb_len=corb_len-min(corb_len)+2; salmon_len=salmon_len-min(salmon_len)+2; corb_lig=(randn(100,1)); salmon_lig=(randn(100,1)); corb_lig=corb_lig-min(corb_lig)+4; salmon_lig=salmon_lig-min(salmon_lig);
university-logo
CC-226
22 / 28
figure; %% histograma da distribuicao do comprimento hist([corb_len,salmon_len]); xlabel(length); ylabel(count); legend(corbina,salmon);
university-logo
CC-226
23 / 28
figure; %% histograma da distribuicao do brilho hist([corb_lig,salmon_lig]); xlabel(lightness); ylabel(count); legend(corbina,salmon);
university-logo
CC-226
24 / 28
figure; %% scatter plot(corb_len,corb_lig,bo, salmon_len,salmon_lig,r.); xlabel(length); ylabel(lightness); legend(corbina,salmon);
university-logo
CC-226
25 / 28
figure; %% classificador linear plot(corb_len,corb_lig,bo, salmon_len,salmon_lig,r.); hold; xlabel(length); ylabel(lightness); legend(corbina,salmon); a=[corb_len,corb_lig,ones(100,1); salmon_len,salmon_lig,ones(100,1)]; b=[ones(100,1);-ones(100,1)]; x=pinv(a)*b; plot([0, 75], [-x(3)/x(2), -x(3)/x(2)-x(1)*75/x(2)], g-);
university-logo
CC-226
26 / 28
Primeiro Exerccio para Casa
EX001
Entender o cdigo dos slides anteriores e explicar como foi encontrada a reta de deciso (ou separao) para o modelo das classes.
university-logo
CC-226
27 / 28
Leituras Complementares
Duda, Hart e Stork. Primeiro captulo. Jain et al., Statistical Pattern Recognition: A Review
university-logo
CC-226
28 / 28

Reconhecimento de Padroes ITA

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Reconhecimento de Padroes ITA

Uploaded by

Copyright:

Available Formats

CC-226 Introduo Anlise de Padres

Viso Geral do Reconhecimento de Padres Carlos Henrique Q. Forster1

Aplicaes da Anlise de Padres

Exemplo do Duda e Hart

Atributos (features) dos peixes

Fases do reconhecimento de padres

Preprocessamento Extrao de feies (atributos, propriedades ou caractersticas) Classicao

til essa medida de comprimento?

til essa medida de comprimento?

E essa medida do brilho?

E essa medida do brilho?

Mais de uma feio

Scatterplot para dois atributos

Scatterplot para dois atributos

Utilizar a equao de uma reta para separar.

Utilizar a equao de uma reta para separar.

Sistema de reconhecimento de padres

Cdigo MATLAB do nosso classicador linear

figure; %% histograma da distribuicao do comprimento hist([corb_len,salmon_len]); xlabel(length); ylabel(count); legend(corbina,salmon);

figure; %% histograma da distribuicao do brilho hist([corb_lig,salmon_lig]); xlabel(lightness); ylabel(count); legend(corbina,salmon);

figure; %% scatter plot(corb_len,corb_lig,bo, salmon_len,salmon_lig,r.); xlabel(length); ylabel(lightness); legend(corbina,salmon);

Primeiro Exerccio para Casa

You might also like