1 / 11

Reconocimiento de señas manuales Fuzzy ART

Reconocimiento de señas manuales Fuzzy ART. Luis Carlos Chavarría Grupo 2. Objetivos. Objetivo General :

lark
Download Presentation

Reconocimiento de señas manuales Fuzzy ART

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Reconocimiento de señas manualesFuzzyART Luis Carlos Chavarría Grupo 2

  2. Objetivos • Objetivo General: • Determinar y establecer los principales obstáculos para el reconocimiento de señas manuales para poder relajar restricciones y poder determinar si ART es un buen modelo para este problema

  3. Descripción de la aplicación • El reconocimiento se hace por medio de la implementación de una red neuronal Fuzzy ART • Se utilizó el lenguaje C# y se implemento en le Visual Studio 2008

  4. Fuzzy ART (Teoría de la Resonancia Adaptativa)

  5. Análisis del Paradigma • Plasticidad del aprendizaje • Estabilidad del aprendizaje • El aprendizaje es no supervisado, aunque existe una modalidad supervisada • Auto organización

  6. Descripción del procesamiento de imágenes Imagen Archivo (matriz) Funciones C# Los valores de las muestras están basados en una matriz de 320*240 pixeles que muestran la blancos o negros que representan la imagen de la huella.

  7. Descripción del procesamiento de imágenes • Utiliza la función getpixel del objeto Image el cual es la imagen en blanco y negro. • Utilizando las propiedades del RGB del pixel se obtiene un valor que es dividido entre 255. • Este resultado varia según el color del pixel y da un valor entre 0 y 1. El cual se almacena en una matriz.

  8. Prueba • Números del 0 a 9 y letras A, B, C • 3 muestras de entrenamiento • 2 muestras de prueba

  9. 84,6% reconocimiento

  10. Conclusiones • El sistema reconoce alrededor de un 80 – 85 % • Ajustar parámetros (vigilancia) es difícil para óptimos resultados • Problemas con ruido • Señas similares • Detección movimiento

  11. Referencias • ART. (s.f.). Recuperado el 9 de Junio de 2010, de Wikipedia.com: http://es.wikipedia.org/wiki/ART_%28RNA%29 • Busque, M., & Parizeau, M. (1997). A comparison of Fuzzy ARTMAP and Multilayer Perceptron for Handwritten Digit Recognition. • CARPENTER, G. A., GROSSBERG, S., & ROSEN, D. B. (1991). Fuzzy ART: Fast Stable Learning and Categorization of Analog Patterns by an Adaptive Resonance System.

More Related