Dbamy o Twoją prywatność
Dzięki plikom cookies i technologiom pokrewnym oraz przetwarzaniu Twoich danych, możemy zapewnić, że dopasujemy do Ciebie wyświetlane treści.Wyrażając zgodę na przechowywanie informacji na urządzeniu końcowym lub dostęp do nich i przetwarzanie danych (w tym w obszarze profilowania, analiz rynkowych i statystycznych) sprawiasz, że łatwiej będzie odnaleźć Ci w Allegro dokładnie to, czego szukasz i potrzebujesz.Administratorem Twoich danych będzie Allegro oraz niektórzy partnerzy, z którymi współpracujemy.
Ułatwienia korzystania z naszych stron, prezentowania spersonalizowanych treści i reklam oraz ich pomiaru, tworzenia statystyk, poprawy funkcjonalności strony.Zgodę wyrażasz dobrowolnie. Możesz ją w każdym momencie wycofać lub ponowić w zakładce Ustawienia plików cookies na stronie głównej. Wycofanie zgody nie wpływa na legalność uprzedniego przetwarzania.
polityka plików cookiespolityka ochrony prywatności- 13,30 zł
- Uncanny LearnDash Enrollment Codes
- 13,30 zł z dostawą
- 62,70 zł
- Program uruchamiający logowanie do rejestrato
- 151,70 zł z dostawą
- 36,28 zł
- ZNAK PODPOWIEDZI PODCZAS ZAPISU ZNAKÓW NUMERU DOMU
- darmowa dostawa
Opis
- Lublin
- Biłgoraj
Telefon: 667-963-356 667-963-356
email: palina123456789koza@wp.pl
Nr. GG: 50684575
-
lub
nr konta
45 1020 3147 0000 8302 0090 7113
-
w ciągu 24 godzin
Rozpoznawanie numerów tablic rejestracyjnych JAVA
Parametry:
- Język: Java
- Oprogramowanie: Netbeans IDE 8.0.2
- Format: Graficzny
Aplikacja została napisana w języku Java w Netbeans IDE 8.0.2 przy wsparciu biblioteki OpenCV. Program tworzy przekształcenia z obrazu wejściowego (skalowanie, detekcja brzegów) pozwalając odczytać i zapisać znaki odnalezione poprzez sieć neuronową. Zastosowany algorytm perceptronu dwuwarstwowego pozwala w bezpośredni sposób wykorzystać możliwość uczenia i dzięki wzorcom zapisanym w plikach porównuje zapis binarny. Każdy wzorzec występującego znaku przedstawiony jest w macierzy binarnej o masce 36x22. Cała sieć na podstawie swoich wag tj. wiedzy szuka poprzez macierz uczącą podobnych wartości w tablicy z macierzą szukaną. Jeśli odpowiednia ilość porównanych wartości 1 zgodzi się z macierzą uczącą wtedy znak zostaje sklasyfikowany i przypisany do poprawnych wyników. Macierze uczące zawierają dwie lub trzy wersje jednego znaku w celu lepszego wyniku. Wykorzystywane obrazy nie zawierają znacznych szumów, odkształceń oraz wielu szczegółów. Obrazy wejściowe mogą być w formacie .jpg lub .png o dowolnej rozdzielczości, ale najlepsza rozdzielczość to 1280x720px.
Program posiada następujące funkcjonalności:
1. Wczytywanie grafiki w formacie jpg, png.
2. Skalowanie, dopasowywanie obrazu do okna Label.
3. Wykrywanie krawędzi poprzez filtr Canny.
4. Odszumienie obrazu.
5. Wyodrębnienie znaków tablicy.
6. Zapis znaków tablicy w postaci binarnej.
7. Zapis wyodrębnionych znaków tablicy do pliku jpg.
8. Porównywanie wzorców.
9. Zapisywanie odnalezionych znaków do pliku .txt.
10. Wyświetlanie rozpoznanych znaków.
Aplikacja rozpoznaje numery w przedziale 98% - 100% w przypadku zdjęć o niezakłóconej strukturze. Obrazy ciemne, pochylone, o dużej rozdzielczości, bądź posiadające inne zniekształcenia rozpoznawane są z dużo mniejszą skutecznością. Baza obrazów zawierała 50 zdjęć na jeden test. Testy były przeprowadzane na komputerze o procesorze Intel Core i5 o prędkości 1.6 GHz oraz z pamięcią 4096 MB. Czas uzyskania wyniku dla jednego rozpoznania przy średnim obciążeniu systemu wynosi około 1 minuty (przy pierwszym uruchomieniu) oraz 15 sekund przy kolejnych uruchomieniach. Każdy obraz został przetworzony w możliwie najlepszej konfiguracji, w której program może uzyskać poprawne wyniki.
Opis algorytmu:
1. Dodanie danych uczących oraz testowych jako wejścia programu.
2. Proces inicjalizacji wag od warstwy wejściowej do warstwy ukrytej oraz od warstwy ukrytej do warstwy wyjściowej. Wagi dobierane są przez program.
3. index = 0 – inicjalizacja i wybór indeksu wektora uczącego.
4. Uczenie neuronów w poszczególnych krokach iteracji, wyznaczenie aktywacji warstwy ukrytej i wynikowej.
5. Wsteczna propagacja błędów (aktualizowanie błędów na podstawie wyników z danej iteracji).
6. Testowanie oraz sprawdzanie wyznaczonego znaku
Aby uzyskać lepsze rezultaty należałoby zwiększyć macierze wag oraz maski, co natomiast spowodowałoby spowolnienie metod przetwarzania. W przypadku dalszej pracy nad aplikacją przede wszystkim należy zoptymalizować funkcje matematyczne oraz sieć neuronową.
Dodatkowe informacje
- Program w pełni działający
- Gotowy do uruchomienia w .exe lub NetBeans
- Przejrzysty i spójny kod
Korzystanie z serwisu oznacza akceptację regulaminu.