KATEDRA INŻYNIERII DŹWIĘKU

LABORATORIUM

PRZETWARZANIA DŹWIĘKÓW I OBRAZÓW

Ćwiczenie nr 8:

Rozpoznawanie sygnałów przy pomocy sieci Fuzzyneuronowych.

Andrzej Poliwodziński

Mateusz Zajder

Piotr Gołębiewski

Inżynieria Dźwięku

Sem. VII

98-11-24

Rozpoznawanie sygnałów przy pomocy sieci fuzzyneuronowych realizowane było za pomocą karty FUZZY PATTERN COMPARATORA FPC umieszczonej w komputerze PC i odpowiedniego oprogramowania sterującego SIROS ver.1.0.

Wyniki naszych pomiarów przedstawione są w poniższej tabeli:

1. Rozpoznawanie obrazów najbardziej podobnych dla wartości startowych = 0.

Wyzwolenie = 344 245

Wynik	Skala	Wynik	Skala	Wynik	Skala	Wynik	Skala
22605	100	177809	67	127037	67	107922	72
137341	64	25843	100	156513	58	46976	92
132744	65	157962	58	21756	100	165651	55
116451	70	37565	96	165157	55	22194	100

Wszystko zostało rozpoznane prawidłowo.

2. Rozpoznawanie obrazów najmniej podobnych dla wartości startowych = 0.

Wyzwolenie = 8712.

Wynik	Skala	Wynik	Skala	Wynik	Skala	Wynik	Skala
13819	3	123123	94	155022	100	164590	100
127220	74	15089	5	132244	84	124976	74
151761	90	129704	100	15151	4	36631	17
166974	100	125927	96	29760	14	13124	2

3. Rozpoznawanie obrazów najbardziej podobnych dla wartości startowych różnych od zera z przesuwanym progiem wyzwolenia.

Wyzwolenie = 17514.

Wynik	Skala	Wynik	Skala	Wynik	Skala	Wynik	Skala
34106	100	138632	24	162056	8	175142	0
133218	29	23464	100	127200	32	113512	39
154428	14	127842	31	29194	100	40552	85
165534	6	116464	39	43462	90	19340	100

Wyzwolenie = 183071.

Wynik	Skala	Wynik	Skala	Wynik	Skala	Wynik	Skala
22555	100	136950	29	159706	14	169949	7
138241	27	22452	100	124899	35	111560	42
157339	16	131292	32	19628	100	35646	88
168279	9	121056	38	34912	90	16299	100

4. Rozpoznawanie twarzy kolegów.

Wyzwalanie = 328322.

	Wynik	Skala	Wynik	Skala	Wynik	Skala
Osoba 1	142519	90	221697	79	109829	100
Osoba 2	123008	100	279732	22	173184	70
Osoba 3	252311	37	112931	100	170399	71
Osoba 4	150384	86	216366	51	113694	97
	Dobrze rozpoznany		Dobrze rozpoznany		Źle rozpoznany

5. Wnioski:

Badany przez nas system rozpoznawania obrazów nadaje się bardzo dobrze do rozpoznawania obrazów nieruchomych, ale w ogóle nie nadaje się do rozpoznawania ruchomych obrazów. Najlepszym dowodem może tu być ostatnie zadanie, polegające na rozpoznawaniu twarzy ludzkich. W ostatnim przypadku system pomylił się. Wystarczyło niewielkie przesunięcie, czy też ruch głową i obraz był błędnie rozpoznawany. Sieć rozpoznawała idealnie, jeżeli osoba siedziała w takiej samej pozycji, jak przy nauce systemu. Problem pojawia się także w przypadku, gdy mamy obraz o innym kształcie, niż wzorzec.

Na jakość rozpoznawania wpływa także fakt, czy mamy zerową czy też niezerową wartość startową. Okazuje się, że sieć lepiej rozpoznaje przy większej wartości startowej.

Do badania sieci używaliśmy zawsze czterech obrazów nieruchomych. Należy dodać, że system nie działał, jeżeli zapamiętujemy pierwszy wzorzec.

Sieć ta miała służyć do rozpoznawania obrazów (zdjęć) w kryminalistyce. Jednak jak widać w takiej formie w ogóle się nie nadaje do profesjonalnych zastosowań w tej dziedzinie.

Program ma jeszcze tę zaletę, iż nie wymaga bardzo wydajnego i zarazem drogiego sprzętu.

1

3

---