THE 3
rd
INTERNATIONAL SCIENTIFIC CONFERENCES OF STUDENTS AND YOUNG RESEARCHERS
dedicated to the 99
th
anniversary of the National Leader of Azerbaijan Heydar Aliyev
158
nıma məsələsi öyrətmə bazasındakı təsvirlərin dəstələşdirilib, hər dəstənin
təsvirlərinin uyğun çıxış qiymətləri ilə birlikdə formalaşdırdığı öyrətmə cütləri
ilə öz modelinin qurulmasıyla həll olunur. Belə model hazırlandıqdan sonra
bir təsvir verildikdə əvvəl onun hansı mövcud öyrətmə cütünün girişlərinə -
təsvirlərinin əlamətlərinə yaxın olması əsasında hansı dəstədən olması
müəyyənləşdirilir, təsvir həmin dəstənin öyrətmə cütləri əsasında öyrədilmiş
modeldə sınanır. Yanaşma 3-də bir sinfə - hərfə aid öyrətmə cütlərindəki təs-
virlərin ağırlıq mərkəzi tapılır, siniflərin sayıyla eyni saydakı bu ağırlıq mər-
kəzləri, onun timsalında mövcud hərf sinifləri dəstələşdirilir. Nəhayət
Yanaşma 4 hər hərfin – hər sinfin öyrətmə cütlərinin ayrı modelə öyrədilməsi,
bir təsvir verildikdə bütün bu modellərdə sınanıb, modellərin hamısının bir-
birilərinə uyğun – hərf modellərindən yalnız birinin təsviri tanıdığı, digər
modellərin “bu təsvir bu hərf deyil” dediyi nəticələr olduqda tanınma aparılmış
sayılır.
Əlamətlər.
Təsvirlərin tanınması üçün fərqli əlamətlərdən istifadə oluna
bilər. Yanaşma 1-4-də təsvirləri xarakterizə edən əlamət kimi aşağıdakılar
işlənmişdir:
T
ə
svirin piksell
ə
rind
ə
n ibar
ə
t vektor.
Rastr qrafikasında, boz çalarlı rəng
formatında verilmiş təsvir ədədlərdən ibarət matris şəklində ifadə olunur. Bu
matrisin elementlərindən ibarət vektor hazırlanır. Nəticədə 20x20 ölçülü hər
təsviri 400 elementli bir vektor təsvir edir.
PDC (Peripheral Directional Contributivity) [2].
Təsvirə 4 tərəfdən yaxın-
laşaraq ardıcıl ilk qara piksel (2 ədəd) istinadgah götürülür, bu istinadgah-
lardan 4 istiqamətdə ilk qara piksel tapılana qədərki addımlar sayılır. Təsvirin
hər tərəfi 8 seqmentə bölündüyündən 256 elementli bir əlamət vektoru alınır.
LeNet-5 arxitekturas
ı
n
ı
n [3] tam
ə
laq
ə
li neyronlar
ı
na q
ə
d
ə
rki son ç
ı
x
ı
ş
ı
.
Bükülmə neyron şəbəkələrin aktual arxitekturalarından biri LeNet-5-dir. LeNet-
5-də Bükülmə (ing. convolution) və ümumiləşdirmə (ing. subsampling) layların-
dan sonra 120 neyron alınır, bu neyronların çıxışları əlamət kimi istifadə oluna
bilər. Yəni əvvəl öyrətmə bazasıyla LeNet-5 şəbəkəsi öyrədilir, sonra təsvir
verilir və ortadakı laylardan birinin – tam əlaqəli laylara qədərki son layın 120
ədədli çıxışı götürülür, bu 120 ədədli vektor təsvirin əlaməti sayılır.
Dostları ilə paylaş: