با ما تماس بگیرید
ساعت : 8 الی 23
09117983709 - 09330859275
(مشاوره و سفارش پروژه)
totop

تشخیص اعداد دستنویس به وسیله شبکه عصبی و تکنیک ته نشینی به همراه مقالهدوشنبه ۰۹, مرداد ۱۳۹۶

تشخیص اعداد دستنویس با استفاده از پردازش تصویر

تشخیص اعداد دستنویس به وسیله شبکه عصبی و تکنیک ته نشینی به همراه مقاله

در این پروژه اعداد دستنویس با استفاده از شبکه های عصبی و تکنیک ته نشینی در متلب نوشته شده است و از روی آن مقاله هم نوشته شده است.فایل مقاله و پیاده سازی پروژه در متلب را میتوانید از سایت همیارپروژه دانلود نمایید.در زیر چکیده و مقدمه مقاله آمده است.دقت کنید که این پروژه به همراه توضیحات کامل نحوه اجرا و همچنین توضیح کدها می باشد که برای دریافت کامل فایل پروژه و مقاله باید آن را خریداری نمایید.

تشخیص اعداد دستنویس با استفاده از پردازش تصویر

چکیده:

امروزه جامعه علمی به دنبال جست وجوی نسل آینده الگوریتم های محاسباتی و نسل آینده ماشین های پردازشگری است که دارای ابعاد کوچکتر و کارایی بسیار سریعتر از آنچه تا کنون تکامل یافته اند باشند ، بطوری که بتوانند به سرعت بر روی داده ها پردازش را انجام دهند و بتوانند آموزش ببینند ، گوش کنند و تفکر نمایند و به اصطلاح ماشینهای پردازش شبه مغز باشند.یکی از این مواردی که نیاز به سرعت پردازش بالا و جایگزینی آن بجای انسان احساس می شود تشخیص اعداد و حروفی است که توسط انسان نوشته شده است.در این مقاله سعی شده که راه کارهایی برای تشخیص اعداد دست نویس که معمولا خیلی منظم به نظر نمیرسند را توسط هوش مصنوعی و الگوهای موفق پردازش تصویر و شبکه عصبی ارائه دهیم.

مقدمه:

برای اینکه بتوانیم اعداد موردنظر را تشخیص دهیم کار را از تجریه مقالات و پروژه های انجام شده در این حوزه مورد بررسی قرار دادیم.با توجه به مطالعات انجام شده تصمیم بر این شد که روش ما شامل یک پروسه مرحله به مرحله شود تا به هدف نهایی خود برسیم.برای پیاده سازی این پروژه از زبان برنامه نویسی متلب به دلیل قدرت و ابزارهای بسیارمفیدی که داشت استفاده شد.برای به ثمر نشستن این پروژه مراحل زیر طی شدند که در ادامه به تفصیل درمورد آنها و چرایی انتخاب این روش ها توضیح خواهیم داد:

مرحله  اول : انتخاب تصاویری از اعداد دستنویس که تشخیصشان بسیار دشوار بود

مرحله دوم : بهبود این تصاویر بصورت تک به تک از طریق اعمال فیلترهای و الگوریتم های پردازش تصویر

مرحله سوم : ساخت تصاویر نمونه و هدف برای ایجاد یک دیتاست نسبتا قوی و کامل برای استفاده در شبکه عصبی

مرحله چهارم : بکاریگیری شبکه عصبی و ساخت ماتریس وزن حاصله از تصاویر نمونه ((Train و تصاویر هدف (Target) که در تشخیص کلاس تصویر (تشخیص اعداد) بکار گرفته می شوند.

مرحله پنجم : تشخیص نهایی اعداد با استفاده از خروجی شبکه عصبی و بکارگیری تکنیک ته نشین شدن تصاویر با تصاویر هدف

کلمات کلیدی : تشخیص اعداد دستنویس ، شبکه عصبی ، پردازش تصویر

این پروژه به همراه توضیحات کامل برنامه و کدها توسط تیم همیارپروژه نوشته شده و همچنین مقاله ای هم از روی آن نوشته شده که میتوان آن را به همایش های داخلی ارسال نمود

جهت دانلود این پروژه می توانید از طریق لینک زیر هزینه را پرداخت و فایل پروژه را مشاهده نمایید.

 

۷۰۰۰۰ تومان – خرید

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

حق نشر برای همیارپروژه – مرجع اصلی پروژه های دانشجویی متلب و پایتون محفوظ است.