Reconocimiento de señas manuales Fuzzy ART Luis Carlos Chavarría Grupo 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
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
Fuzzy ART (Teoría de la Resonancia Adaptativa)
Análisis del Paradigma Plasticidad del aprendizaje Estabilidad del aprendizaje El aprendizaje es no supervisado, aunque existe una modalidad supervisada Auto organización
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.
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.
Prueba Números del 0 a 9 y letras A, B, C 3 muestras de entrenamiento 2 muestras de prueba
84,6% reconocimiento
Conclusiones El sistema reconoce alrededor de un 80 – 85 % Ajustar parámetros (vigilancia) es difícil para óptimos resultados Problemas con ruido Señas similares Detección movimiento
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.