- اطلاعات کلی
- مدرس : علیپور
- قسمت : 7
- وضعیت محصول : غیر رایگان
- نوع آموزش : تصویری
- زبان : فارسی
- مدت زمان : 50 دقیقه
- حجم دوره: 63 مگابایت
- تاریخ : ۲۱ مرداد ۱۳۹۳
با سلام، هدف تهیه این مجموعه از فیلم های آموزشی، آشنایی با مراحل انجام فرآیند شناسایی حروف (لاتین) در یک تصویر دیجیتال، تبدیل یک تصویر متنی به حروف تایپی، شناسایی پلاک خودرو و پیاده سازی آنها در محیط MATLAB است. این مجموعه شامل ۱۰ قسمت می باشد که سعی شده است با بیانی ساده به معرفی و نحوه پیاده سازی OCR بپردازد.
هر کدام از مراحل OCR شامل موارد زیر می باشد که در این مجموعه فیلم های آموزشی ارائه شده است:
۱- باینری کردن تصویر- Binarization
۲- بکارگیری عملگرهای مورفولوژیک- Morphological Operators
۳- ناحیه بندی- Segmentation
۴- استخراج ویژگی- feature extraction
۵- دسته بندی (با استفاده از شبکه عصبی)- classification
.
در قسمت هفتم بعد از بیان مختصری از قسمت های قبل، به تکمیل آموزش نحوه پیاده سازی شبکه عصبی پرسپترون در متلب خواهیم پرداخت و نحوه انتخاب تعداد گره های شبکه عصبی بر اساس بردار های ورودی و خروجی برا توضیح می دهیم. در پایان، برخی توابع مربوط به ساخت و استفاده از شبکه عصبی در متلب را بیان خواهیم کرد.
تذکر ۱:
سایر قسمت ها را می توانید از اینجا مشاهده و دانلود نمایید
این مجموعه آموزشی بسیار مناسب برای محققین در ضمینه پردازش تصویر و نیز دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد تهیه مقاله و پایان نامه در زمینه پردازش تصویر و بینایی ماشین دارند.
با عرض سلام و خسته نباشید من قسمت شبکه عصبی رو از سایت خوب شما خریداری کردم و الان یه شبکه عصبی تعریف کردن که 28 ورودی داره و هر کدوم رو 11 بار آموزش دادم (در کل 308 )و درست کار میکنه دفعه بعد که همون 28 حرف رو هر کدوم 20 بار آموزش میدم این اخطار رو میده خواهش میکنم کمکم کنید باید چکار کنم .
Out of memory. Type HELP MEMORY for your options.
Error in nn7.jac_s>reprowint (line 360
Error in nn7.jac_s (line 246)
Error in nn7.perfsJEJJ>calc_jacobian (line 44)
jWB =
nn7.jac_s(net,data.Pc,data.Pd,data.Zb,data.Zi,data.Zl,…
Error in nn7.perfsJEJJ>calc_Y_trainPerfJeJJ (line 34)
Jwb_y = calc_jacobian(net,data,hints);
Error in nn7.perfsJEJJ (line 5)
[Y,trainPerf,trainN,JE,JJ] =
calc_Y_trainPerfJeJJ(net,data,hints);
Error in nnCalcLib/perfsJEJJ (line 190)
[trainPerf,valPerf,testPerf,JE,JJ,trainN,valN,testN] = …
Error in trainlm>train_network (line 181)
[perf,vperf,tperf,je,jj,gradient] =
calcLib.perfsJEJJ(calcNet);
Error in trainlm (line 63)
[out1,out2] = train_network(varargin{2:end});
Error in network/train>trainPerWorker (line 379)
[calcNet,tr] = trainFcn(‘apply’,net,data,calcLib,calcNet,tr);
Error in network/train (line 357)
[calcNet,tr] =
trainPerWorker(trainFcn,net,data,calcLib,calcNet,tr);
Error in main (line 38)
net = train(net, AVGmatrix, out);