Reconocimiento de caracteres con PML

 Blog By Heiler Alexander salguero Vargas

Para este proyecto el profesor nos brindó gran parte del código por no decir que todo.

principalmente se usó la función "imread" de Matlab para leer las imágenes 2D 

(imágenes modificadas por mi con el fin de validar que tan efectiva es la red neuronal)

luego se redujeron a un tamaño estándar para todas las letras. luego se usa un ciclo "for" para recorrer las posiciones y cuando el numero el menor que cierta tonalidad RGB toma un valor de 1 sino entonces toma valor de -1 a esto se le llama binarizar la imagen. 

luego se aplican las funciones newff de Matlab para las redes neuronales (neuronas, margen de error, iteraciones, etc...)

una vez realizado todo solo queda poner a prueba y las conclusiones que se logran son:

en "E","F" en 9 de 10 la respuesta fue correcta.

en "G" en 8 de 10 respuestas fue correcta

en "H" en 7 de 10 respuestas fue correcta

código

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%se leen las letras

E = imread("E.JPG");

F = imread("F.JPG");

G = imread("G.JPG");

H = imread("H.JPG");

%se reduce el tamaño normalizando

E1=imresize(E,[30,40]);

F1=imresize(F,[30,40]);

G1=imresize(G,[30,40]);

H1=imresize(H,[30,40]);

%se accede a la capa 1 de cada letra

ER=E1(:,:,1);

FR=F1(:,:,1);

GR=G1(:,:,1);

HR=H1(:,:,1);

%se asigna espacios a los vectores

VE=1:1200;

VF=1:1200;

VG=1:1200;

VH=1:1200;

EB=ER;

FB=FR;

GB=GR;

HB=HR;

%se binariza las letras

cont=1;

for f=1:30

for c=1:40

if(ER(f,c)<160)

EB(f,c)=1;

else

EB(f,c)=-1;

end

VE(cont)=EB(f,c);

cont=cont+1;

end

end

cont=1;

for f=1:30

for c=1:40

if(FR(f,c)<160)

FB(f,c)=1;

else

FB(f,c)=-1;

end

VF(cont)=FB(f,c);

cont=cont+1;

end

end

cont=1;

for f=1:30

for c=1:40

if(GR(f,c)<160)

GB(f,c)=1;

else

GB(f,c)=-1;

end

VG(cont)=GB(f,c);

cont=cont+1;

end

end

cont=1;

for f=1:30

for c=1:40

if(HR(f,c)<160)

HB(f,c)=1;

else

HB(f,c)=-1;

end

VH(cont)=HB(f,c);

cont=cont+1;

end

end

%se implemente codigo newff

p=[VE;VF;VG;VH];

p=transpose(p);

Target=[1 0 0 0;0 1 0 0;0 0 1 0;0 0 0 1];

limites=minmax(p);

net=newff(limites,[5,4],{'logsig','logsig'},'traingd');

net=init(net);

net.trainParam.show = 50;

net.trainParam.lr = 0.2;

net.trainParam.epochs = 10000000;

net.trainParam.goal = 1e-3;

[net,tr]=train(net,p,Target);

XM1=imread("H9.JPG");

X1=imresize(XM1,[30,40]);

XR=X1(:,:,1);

VX=1:1200;

XB=XR;

cont=1;

for f=1:30

for c=1:40

if(XR(f,c)<160)

XB(f,c)=1;

else

XB(f,c)=-1;

end

VX(cont)=XB(f,c);

cont=cont+1;

end

end

vec=transpose(VX);

y=sim(net,vec);

y=compet(y);

[i, j]=find(y==max(max((y))));

if(i==1)

i=69;

end

if(i==2)

i=70;

end

if(i==3)

i=71;

end

if(i==4)

i=72;

end

Respuesta=char(i);