IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)
Navigation

Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter

Traitement d'images Discussion :

Reconnaissance manuscrite et k plus proches voisins


Sujet :

Traitement d'images

  1. #1
    Nouveau Candidat au Club
    Homme Profil pro
    Étudiant
    Inscrit en
    Mars 2017
    Messages
    1
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Corse (Corse)

    Informations professionnelles :
    Activité : Étudiant

    Informations forums :
    Inscription : Mars 2017
    Messages : 1
    Points : 1
    Points
    1
    Par défaut Reconnaissance manuscrite et k plus proches voisins
    Bonjour,
    J'ai un projet à faire en java et j'ai du mal à comprendre comment fonctionne KNN et plus exactement qu'est ce que la fonction distance (j'utilise la distance euclidienne) va prendre. Je m'explique, la distance ce calcule par rapport à des vecteurs mais je ne comprends pas quel sont les vecteurs puisque on va avoir deux matices de bytes (celle donner en paramettre et celle de comparaison dans notre base de donnée) . Donc est ce que c'est la distance entre chaque pixels des images ou entres les deux images au complet?
    Merci pour vos reponces 😇.

  2. #2
    Modérateur
    Avatar de ToTo13
    Homme Profil pro
    Chercheur en informatique
    Inscrit en
    Janvier 2006
    Messages
    5 793
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : Etats-Unis

    Informations professionnelles :
    Activité : Chercheur en informatique
    Secteur : Santé

    Informations forums :
    Inscription : Janvier 2006
    Messages : 5 793
    Points : 9 860
    Points
    9 860
    Par défaut
    Disons que tu as N individus chacun caractérisé avec C caractéristiques. Donc tu as effectivement une matrice M de N lignes et C colonnes.
    Maintenant, tu souhaites tester un nouvel individu I et savoir quels sont les k individus de la matrices qui lui ressemblent le plus, ce qui se traduit mathématiquement par les k individus qui sont les plus proches en terme de distance (euclidienne ou autre). Donc tu souhaites minimiser dist(M[i], I).

    Dans ton cas, à toi de décider quelles sont les caractéristiques en fonction du problème à traiter (que tu ne nous donnes pas).
    Consignes aux jeunes padawans : une image vaut 1000 mots !
    - Dans ton message respecter tu dois : les règles de rédaction et du forum, prévisualiser, relire et corriger TOUTES les FAUTES (frappes, sms, d'aurteaugrafe, mettre les ACCENTS et les BALISES) => ECRIRE clairement et en Français tu DOIS.
    - Le côté obscur je sens dans le MP => Tous tes MPs je détruirai et la réponse tu n'auras si en privé tu veux que je t'enseigne.(Lis donc ceci)
    - ton poste tu dois marquer quand la bonne réponse tu as obtenu.

Discussions similaires

  1. Algorithme KD-Tree de recherche du plus proche voisin .
    Par mobi_bil dans le forum Algorithmes et structures de données
    Réponses: 1
    Dernier message: 11/05/2014, 11h54
  2. méthode des k plus proche voisin en matlab
    Par koukitta dans le forum Images
    Réponses: 4
    Dernier message: 15/05/2009, 17h47
  3. Plus proche voisin dans un kd-tree
    Par koni33 dans le forum Algorithmes et structures de données
    Réponses: 2
    Dernier message: 11/05/2009, 15h10
  4. Recherche des plus proches voisins dans un espace variable à K dimensions parmis N
    Par JeromeBcx dans le forum Algorithmes et structures de données
    Réponses: 34
    Dernier message: 26/06/2008, 17h46
  5. Réponses: 3
    Dernier message: 12/04/2007, 09h32

Partager

Partager
  • Envoyer la discussion sur Viadeo
  • Envoyer la discussion sur Twitter
  • Envoyer la discussion sur Google
  • Envoyer la discussion sur Facebook
  • Envoyer la discussion sur Digg
  • Envoyer la discussion sur Delicious
  • Envoyer la discussion sur MySpace
  • Envoyer la discussion sur Yahoo