65.9K
CodeProject 正在变化。 阅读更多。
Home

使用 MLP 神经网络识别数字

mohammad farahi
starIconstarIconstarIconstarIcon
emptyStarIcon
starIcon

4.93/5 (6投票s)

2017年5月23日

CPOL

7分钟阅读

viewsIcon

17023

downloadIcon

483

使用多层感知机神经网络（MLP）识别英文数字。

引言

本项目旨在通过多层感知器（MLP）实现数字识别，并提供了一些从图片中提取特征的新方法。

本项目获取一些数据（此处为数字），并使用神经网络 MLP（多层感知器）进行学习。学习完成后，我们测试其他数字，我们的网络会判断该数字是什么。

背景

  • 神经网络
  • 人工智能
  • Matlab

Using the Code

本项目中，我们有10种不同字体的数字用于学习，并从数字图片中提取26个特征向量。

特征向量包括：

  • 图片四侧的颜色密度
  • 图片四侧黑白比
  • 确定水平线和垂直线
  • 确定图片中的“孔洞”
  • 使用链码确定书写数字时向上、向下、向左和向右的次数
  • 将数字转换为9段码数字
  • 确定每行和每列黑色像素总角度的正切值

这些是我们要让神经网络学习的特征向量。

本项目包括Main脚本和“pref”、“Extract Number”、“Extract Features”以及“chain code”函数，它们各自执行一个特殊任务，我们将在后面解释。我们还使用从“input data”函数中提取的“datas”数据和“target”目标。

Input datas()

此函数接受数字1作为参数来运行。因此，此函数提供图片地址并将其发送到“Extract Features”并保存特征。最后，将所有特征收集到一个矩阵中并将其设置为输出。

Datas

此数据包含我们从“input data”中保存的所有特征向量，我们无需在每次运行时重新提取，这有助于节省时间。

其中包含两种不同类型的数据：

  1. num：包含10种不同字体数字（0到9）的特征向量，总共有100个数字。
  2. Num_half：包含“num”特征向量的一半。

目标

我们的目标在“binary”类型和“one by one”类型中包含四种不同类型：

  1. Target100：10种不同字体按“one by one”划分
  2. target100：10种不同字体按4位binary类型划分
  3. Target50：5种不同字体按“one by one”划分
  4. target50：5种不同字体按4位binary类型划分

提示：注意目标名称中的大小写字母。

如果我们要让神经网络学习10种字体，我们必须使用“Target100”或“target100”作为目标参数；如果我们要让神经网络学习5种（一半）字体，我们必须使用“Target50”或“target50”作为目标参数。

Chain Code

这个函数获取二值图片，并以“8方向”或“4方向”两种方式模拟手写。换句话说，如果我们使用4方向，链码将输出1到4之间的数字，这意味着：

  • 1是向上移动
  • 2是向右移动
  • 3是向下移动
  • 4是向左移动

通过此函数，我们模拟手写并计算在纸上绘制数字时向上、向下、向左和向右的次数。

Extract Features

此函数在输入参数中获取地址，并在输出参数中导出我们所讨论的所有图片特征向量。下面，我们将解释每个代码。

首先，在第2行到第9行，我们将图片转换为灰度图和二值图，然后对其进行重塑和压缩。

I = imread(address);

%%chenge to gray
Igray = rgb2gray(I);
%%chenge to bw
Ibw = im2bw(Igray,graythresh(Igray));
T=reshape(Ibw,10000,1);
Ibw_comp=resizem(Ibw,0.25);

然后，在第13行到第56行，我们将图片分成4部分，然后找到每个部分的颜色密度和黑白比。（前8个特征已创建）

k=0;
j=0;
for i=1:2500
    if(T(i,1)== 1)
    k=k+1;%white
else
    j=j+1;%black
    end
end
ch1=j/2500;
w_b1=j/k;
j=0;
k=0;
for i=2500:5000
    if(T(i,1)== 1)
    k=k+1;%white
else
    j=j+1;%black
    end
end
ch2=j/2500;
w_b2=j/k;
j=0;
k=0;
for i=5000:7500
    if(T(i,1)== 1)
    k=k+1;%white
else
    j=j+1;%black
    end
end
ch3=j/2500;
w_b3=j/k;
j=0;
k=0;
for i=7500:10000
    if(T(i,1)== 1)
    k=k+1;%white
else
    j=j+1;%black
    end
end
ch4=j/2500;
w_b4=j/k;

在第59行到第92行，我们计算每列和每行的黑色像素数量，然后找到角度的反正切值。之后，我们将所有角度相加，最后，我们对角度取正切值以找到线斜率。（另外2个特征向量已创建）。

k=0;
j=0;
    for i=1:25
        for j=1:25
        if (Ibw_comp(i,j)==0)
            k=k+1;
        end
        end
        teta(i,1)=k;
        k=0;
    end
   k=0;
    for i=1:25
        for j=1:25
        if (Ibw_comp(j,i)==0)
            k=k+1;
        end
        end
        teta(i,2)=k;
        k=0;
    end
    for i=1:25
        teta(i,3)=(teta(i,2)/teta(i,1));
        teta(i,4)=atan(teta(i,3))
    end
    for i=1:25
        for j=1:4
            if (isnan(teta(i,j))==1)
                teta(i,j)=0;
            end
        end
    end
    teta(26,4)=sum(teta(:,4));
    teta(27,4)=tan(teta(26,4))

从第96行到第114行，我们计算每列的黑色像素数量，如果该数量超过我们的阈值，我们就会认为此图片中存在垂直线，并通过将数字“1”设置为特征向量来表示它发生了。

提示：“0”表示图片中没有垂直线，“1”表示图片中有垂直线。

n=0;
j=1;
for i=1:100
    for j=1:100
    if(Ibw(j,i)==0)
        n=n+1;
       t(i)=n;
        
    end
    end
    n=0;
end
n=max(t);

    if(n>79)
        ver=1;
    else
        ver=0;
    end

从第118行到第137行，我们再次计算每行的黑色像素数量，如果该数量超过我们的阈值，我们就会认为此图片中存在水平线，并通过将数字“1”设置为特征向量来表示它发生了。

提示：与上一条提示相同，“0”表示图片中没有水平线，“1”表示图片中有水平线。

例如，数字1有一条垂直线，数字4有一条水平线。

（另外2个特征向量已创建。）

t=0;
n=0;
j=1;
for i=1:100
    for j=1:100
    if(Ibw(i,j)==0)
        n=n+1;
       t(i)=n;
        
    end
    end
    n=0;
end
n=max(t);

    if(n>40)
        har=1;
    else
        har=0;
    end

从第140行到第167行，我们通过链码模拟手写，并将每种方式的总移动次数作为特征向量导出。（另外两个特征向量已创建）。

B = bwboundaries(Ibw,4); % find the boundaries of all objects
 
CC = cell(1, length(B)); % pre-allocate
 
for k = 1:length(B)
   CC{k} = chaincode(B{k},1); % chain code for the k'th object
end
up=0;
down=0;
left=0;
right=0;
for i=1:length(B)
    t=max(size(CC{1,i}.code));
    for j=1:t
    if(CC{1,i}.code(j,1)==0)
        right=right+1;
    else if(CC{1,i}.code(j,1)==2)
        up=up+1;
        else if(CC{1,i}.code(j,1)==4)
        left=left+1;
            else if(CC{1,i}.code(j,1)==6)
        down=down+1;
                end
    end
        end
           end
               end 
end

从第171行到第292行，我们将数字更改为我们的9段码数字。

我们将图片分成9个部分，然后在每个部分中，如果黑色像素的密度大于阈值（此处为150），则该部分将变为黑色并设置为数字1。

对这9个部分都这样做，然后我们将数字更改为看起来像7段码数字，此处又创建了9个特征向量。

alfa=150;
k=0;
for i=1:33
    for j=1:33
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg1=1;
else
    seg1=0;
end
k=0;
%%------------------------
for i=1:33
    for j=33:66
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg2=1;
else
    seg2=0;
end
k=0;
for i=1:33
    for j=66:99
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg3=1;
else
    seg3=0;
end
k=0;
for i=33:66
    for j=1:33
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg4=1;
else
    seg4=0;
end
k=0;
for i=33:66
    for j=33:66
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg5=1;
else
    seg5=0;
end
k=0;
for i=33:66
    for j=66:99
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg6=1;
else
    seg6=0;
end
k=0;
for i=66:99
    for j=1:33
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg7=1;
else
    seg7=0;
end
k=0;
for i=66:99
    for j=33:66
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg8=1;
else
    seg8=0;
end
k=0;
for i=66:99
    for j=66:99
        if(Ibw(i,j)==0)
            k=k+1;
        end
    end
end
if(k>alfa)
    seg9=1;
else
    seg9=0;
end
seg10=[seg1 seg2 seg3
       seg4 seg5 seg6
       seg7 seg8 seg9];

在第295行，我们判断图片是否有孔洞，并通过将数字1和0设置为特征向量来表示。（另外1个特征向量已创建）。

提示：1表示图片中有孔洞，0表示图片中没有孔洞。（例如，数字8有孔洞，但数字1没有。）

hole=bweuler(Ibw);

最后，在第298行，我们将所有特征向量收集到一个矩阵中并将其导出到输出参数。

chall=[ch1 ch2 ch3 ch4 w_b1 w_b2 w_b3 w_b4 ver har hole up down left right 
       seg1 seg2 seg3 seg4 seg5 seg6 seg7 seg8 seg9 teta(26,4) teta(27,4)];

Main

这是我们代码的主要部分，我们在此处运行项目。

在第6行和第8行，我们获取输入和目标。

% load data
load('datas.mat');
% load targets
load ('targets.mat'); 
input=num;
target=Target100;

正如我所提到的，我们有4种目标类型，我们通过“style”参数选择它。

提示：如果style=0，我们的目标是“one by one”类型；如果style=1，我们的目标将是“binary”类型。

type=1;

接下来，我们使用名称“newff”创建我们的神经网络，并使用此网络训练我们的datas和目标。

newff=feedforwardnet([10 10],'trainlm');
  newff=train(newff,input,target);

在第29行，我们测试数字1。如果我们的网络说数字是1，那么它工作得很好。

  r= newff(num1);     %<==Number for test

所以我们测试它，但网络输出的数字介于0和1之间，我们应该通过阈值0.5对其进行归一化，直到找到我们的答案。

第31行到第39行展示了如果我们的类型是“one by one”类型（最大相似度是答案），我们如何归一化输出的数字。

if(type==1)  
max=max (r(:,1));
 for i=1:10
    if(max==(r(i,1))) 
        disp('your number is:')
        disp(i)
    end
 end
 end

%%检查答案
% i=10 =>数字是0 % i=5 =>数字是5
% i=1 =>数字是1 % i=6 =>数字是6
% i=2 =>数字是2 % i=7 =>数字是7
% i=3 =>数字是3 % i=8 =>数字是8
% i=4 =>数字是4 % i=9 =>数字是9

第45行到第56行展示了如果我们的类型是“binary”类型，我们如何归一化输出的数字（如果数字大于0.5（阈值），则将其更改为1，否则将其更改为数字0）。之后，我们将数字发送到“findNumber”函数，它会说明数字是什么。

if(type==0)
    for i=1:4
        if(r(i,1)>0.5)
            r(i,1)=1;
        else
            r(i,1)=0;
        end
    end
    
    FindNumber(r)
 end

在第60行到第111行，我们展示了单一字体（0到9的10个数字）的性能。

disp('performance by test num from 0 to 9 (10 number)')
per=0;
r= newff(num0);
r=ExtractNumber(1,r);
if(r==10)
    per=per+1;
end
r= newff(num1);
r=ExtractNumber(1,r);
if(r==1)
    per=per+1;
end
r= newff(num2);
r=ExtractNumber(1,r);
if(r==2)
    per=per+1;
end
r= newff(num3);
r=ExtractNumber(1,r);
if(r==3)
    per=per+1;
end
r= newff(num4);
r=ExtractNumber(1,r);
if(r==4)
    per=per+1;
end
r= newff(num5);
r=ExtractNumber(1,r);
if(r==5)
    per=per+1;
end
r= newff(num6);
r=ExtractNumber(1,r);
if(r==6)
    per=per+1;
end
r= newff(num7);
r=ExtractNumber(1,r);
if(r==7)
    per=per+1;
end
r= newff(num8);
r=ExtractNumber(1,r);
if(r==8)
    per=per+1;
end
r= newff(num9);
r=ExtractNumber(1,r);
if(r==9)
    per=per+1;
end

为了找到我们代码的性能，我们应该测试所有的datas，所以我们创建一个函数“ExtractNumber”用于所有datas，我们创建一个函数“pref”来查找性能。

Pref测试所有输入datas并计算正确和错误的答案，并告知我们代码的性能。

您可以在本项目中测试您自己的数字。只需在主脚本的第29行写入您的数字图片的地址，然后您就可以看到网络的答案。

在我们的测试中，我们获得了超过70%的性能，如果我们将用于学习的字体增加到200种或更多，我们将获得更好的性能。

附件源代码中包含一份文档。

历史

  • 2017年5月23日：初始版本
© . All rights reserved.