Size: a a a

2020 September 27

BV

Boris Vinogradov in pro.algorithms
PROLOG ONE LOVE
Мозга нужно как раз много, но для подобных стандартных вещей там все уже 100 раз переизучено
для разработки своей формы и подходов да, но ему же решить задачу поэтому тут да, скорее всего на его любом языке это в виде готового кода и обученной модели есть
источник

PO

PROLOG ONE LOVE in pro.algorithms
Паша Калугин
Я так не могу, хочу целиком понимать, что делает моя программа
Ты же не понимаешь целиком как работает у тебя процессор?
источник

BV

Boris Vinogradov in pro.algorithms
Паша Калугин
Я так не могу, хочу целиком понимать, что делает моя программа
ты понимаешь что если ты будешь это делать по науке ты вообще никогда не сделаешь, а нейронка это просто фильтр - подал сигнал на вход получил сигнал на выходе
источник

@N

@urandon Nikita Khom... in pro.algorithms
Паша Калугин
А линейными методами?
Ну обучи svm вместо нейронки
источник

@N

@urandon Nikita Khom... in pro.algorithms
Только ядро придётся подбирать, да и на разных шрифтах провалидироваться
источник

BV

Boris Vinogradov in pro.algorithms
@urandon Nikita Khomutov
Только ядро придётся подбирать, да и на разных шрифтах провалидироваться
ядро, матрицу искажений и прочее
источник

АП

Александр Петров... in pro.algorithms
Паша Калугин
и скорее всего мне не хватит математики для них => я их не пойму
По поводу нейронок и твоей задачи. Есть книжка, оч простая, изи вход в машинное обучение и нейросети. Тарик Рашид автор, название точно не помню, что-то в роде "Первая нейросеть". Так вот, базовые концепции там более чем доступно донесены +, если мне не изменяет память, пример нейросети там как раз по распознаванию букв
источник

ПК

Паша Калугин... in pro.algorithms
@urandon Nikita Khomutov
Только ядро придётся подбирать, да и на разных шрифтах провалидироваться
шрифт единственный
источник

@N

@urandon Nikita Khom... in pro.algorithms
Boris Vinogradov
ядро, матрицу искажений и прочее
Искажения тоже важно учитывать, особенно если это OCR для реальных документов. Стоит в модель закладывать, что это прямая строчка, сфотографированная на изогнутой бумаге. Можно кривыми второго порядка неплохо приблизиться
источник

ПК

Паша Калугин... in pro.algorithms
Паша Калугин
шрифт единственный
и буквы не смещены
источник

BV

Boris Vinogradov in pro.algorithms
@urandon Nikita Khomutov
Искажения тоже важно учитывать, особенно если это OCR для реальных документов. Стоит в модель закладывать, что это прямая строчка, сфотографированная на изогнутой бумаге. Можно кривыми второго порядка неплохо приблизиться
а потом ещё всякие огибающие высших порядков чтобы прочие виды искажений гасить, и так дети у нас и получился наколеночная модель перцептрона
источник

PO

PROLOG ONE LOVE in pro.algorithms
Boris Vinogradov
а потом ещё всякие огибающие высших порядков чтобы прочие виды искажений гасить, и так дети у нас и получился наколеночная модель перцептрона
источник

@N

@urandon Nikita Khom... in pro.algorithms
Boris Vinogradov
а потом ещё всякие огибающие высших порядков чтобы прочие виды искажений гасить, и так дети у нас и получился наколеночная модель перцептрона
Видимо, ты про шумы говорил. Я же про геометрические искажения всей сцены
источник

@N

@urandon Nikita Khom... in pro.algorithms
Простые модели быстрее, стабильнее и дешевле в рантайме. Если они работают, то лучше их и брать
источник

BV

Boris Vinogradov in pro.algorithms
@urandon Nikita Khomutov
Видимо, ты про шумы говорил. Я же про геометрические искажения всей сцены
ну смотри геометрия это изгибы в 3 измерениях и выпуклости и прочий шум типа теснения бумаги
источник

M

MaxGraey in pro.algorithms
Паша Калугин
Как можно быстро определить, что на картинке такого типа изображена буква?
Если не нейронные сети, то какой-нибудь OCR на основе cкрытой марковской модели (Hidden Markov). Если и это сложно, то тогда даже не знаю, ни один аналитический алгоритм не будет обладать хоть сколь нибудь достоверной точностью
источник

BV

Boris Vinogradov in pro.algorithms
MaxGraey
Если не нейронные сети, то какой-нибудь OCR на основе cкрытой марковской модели (Hidden Markov). Если и это сложно, то тогда даже не знаю, ни один аналитический алгоритм не будет обладать хоть сколь нибудь достоверной точностью
++
источник

ПК

Паша Калугин... in pro.algorithms
MaxGraey
Если не нейронные сети, то какой-нибудь OCR на основе cкрытой марковской модели (Hidden Markov). Если и это сложно, то тогда даже не знаю, ни один аналитический алгоритм не будет обладать хоть сколь нибудь достоверной точностью
там много ограничений
источник

ПК

Паша Калугин... in pro.algorithms
одинаковый шрифт, отсутствие сдвигов/поворотов
источник

PO

PROLOG ONE LOVE in pro.algorithms
MaxGraey
Если не нейронные сети, то какой-нибудь OCR на основе cкрытой марковской модели (Hidden Markov). Если и это сложно, то тогда даже не знаю, ни один аналитический алгоритм не будет обладать хоть сколь нибудь достоверной точностью
Не, ну можно втупую за n^3 чекнуть двумерными хэшами, как вариант еще...
источник