使用MLP进行字符识别

• 下载源代码 (ZIP) - 11.9 KB
• 下载源代码 (RAR) - 10.6 KB

引言

这是一个简单的“英语字符识别”代码，使用MLP神经网络（多层感知器），性能超过80%，你可以通过设置更多的输入来改进它。

Using the Code

要使用此代码，最好了解它的工作原理。

有一些名为input、convert、testall、tester的函数。

在脚本“Main”中，我们运行此代码。

使用函数“inputpic()”，我们获取所有资源，这里是英文字母（i,m,n,t,v,w,y）的9*7张图片。

%% Load Images
i= inputpic();

在input函数中，我们获取每张图片并使用名为“convert”的函数将其转换为一列二进制数据。

I1 =  imread('./pics/i1.png');
I2 =  imread('./pics/i2.png');
I3 =  imread('./pics/i3.png');
I1 = convert(I1); 
I2 = convert(I2);
I3 = convert(I3);

在input函数中

function out = convert(pic)
pic = rgb2gray(pic);    %change the picture to gray picture 
pic = im2bw(pic);       %%change the picture to black/white picture(binery picture)
pic = pic';
pic = pic(:);
out = pic;
end

提示：我们没有从图片中提取任何特征，我们的数据是一列二进制图片数据。

“0”表示黑色像素，“1”表示白色像素。

在input函数的末尾，我们将所有图片数据收集在一列中，并设置在一个矩阵中。

M = [I1 I2 I3 M1 M2 M3 N1 N2 N3 T1 T2 T3 V1 V2 V3 W1 W2 W3 Y1 Y2 Y3];

现在回到Main脚本。

t是目标，显示哪个数字代表哪个字符。

例如，(0,0,0)表示字符“i”。

%% Load Images and Set Target
i= inputpic();
       t = [ 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1;
             0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1;
             0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0];
   %target:  i i i m m m n n n t t t v v v w w w y y y

之后，我们应该使用输入数据和目标来训练我们的网络。

我们使用多层感知器网络进行机器学习。

使用100个隐藏层，使用MLP训练数据和目标。

%% Train mlp
mlp = newff(i,t,100);
mlp = train(mlp,i,t);

测试数字“i”作为示例

p = mlp(test);

网络给我们一个介于0和1之间的数字，我们需要将其归一化为0和1数字。

使用阈值0.5归一化答案。

p=abs(p);
k=0;
for k=1:3
    if(p(k)>0.5)
        p(k)=1;
    else
        p(k)=0;
    end
end

该网络的性能超过80%。