Discussion :

[yaourtTop]

Bonjour,

je souhaite réaliser un PMC qui reconnaîtrait une lettre dessinée par l'utilisateur dans un canvas. Les coordonnées des pixels utilisés seront connus.

Mon problème est que je ne sais pas quel vecteur d'entrée prendre, choisir, pour faire l'apprentissage. Est-ce que je peux prendre un vecteur X[[x1,y1],[x2,y2],...] qui contient les coordonnées des pixels, et alors mon perceptron classera pour n'importe quel vecteur entré, càd lettre ? Je doute...

J'ai fait des recherches, et j'ai trouvé l' "Extraction de primitives", avec par exemple la méthode des pixels moyennés, la détection de contour, etc. Mais ces méthodes ne sont-elles pas justement faites quand on ne connait pas les coordonnées des pixels ?

Bref, je suis perdu, que doit-je prendre comme entrées ? Peut-on faire un apprentissage grâce au vecteur des coordonnées ?

J’espère avoir été clair...

Merci de votre aide, qui me sera très précieuse.

[ToTo13]

Tu as deux solutions (une nettement meilleure que l'autre) :
- 1 - (la moins bonne à ce jour) tu extrais des caractéristiques et tu les donnes à ton classifieur (ici un PMC).
- 2 - tu donnes l'image/canvas directement en entrée de ton PMC et tu le laisses gérer (sans rien comprendre à ce qu'il fait).

Regarde le MNIST problème sur la page de Yann LeCun, c'est exactement ce que tu essais de faire.

[yaourtTop]

Bien ça va faire du boulot là...

Donc à ce que j'ai lu, pour le MNIST, il faut résoudre le problème du CPU, de la mémoire (et utiliser Theano ?).

Comment est organisée précisément une ligne du MNIST ? (Niveau de gris, les bits, et la classe)

Et ensuite, je vois que les données ont été établies à partir d'image 28x28 ; donc cela veut dire que je dois en plus faire un algo sur mon image pour la réduire ?

En voulant obtenir de l'aide, je me suis un peu plus ouvert les portes de l'impossible.

Néanmoins, merci pour la réponse.

[ToTo13]

Ben la reconnaissance de caractères manuscrits n'est pas un problème terminé...

- 1 - Tu peux Theano ou tout autre librairie de RdN. Il y a aussi OpenANN. Perso j'ai eu des problèmes pour installer les deux sur mon Mac.
- 2 - MNIST utilises des images 28x28, mais tu n'es pas obligé de faire de même. Tu peux modifier l'architecture du réseau pour des images de dimensions différentes.
- 3 - MNIST utilises des images binaires de tailles fixes. Il suffit donc de diviser les images pour extraire chaque échantillon.