
سلام امیدوارم حالتون خوب باشه.
امروز تصمیم گرفتم بعد از مدت ها دوباره پروژه هایی که به صورت تستی کار می کنم رو توی ویرگول بنویسم.
پروژه ای که امروز می خوام در موردش توضیح بدم، یک پروژه alphabet Recognition ساده با الگوریتم SVM هست.
اگه تا به حال درباره الگوریتم های داده کاوی خونده باشید، شاید با خودتون فکر کنید که در مورد تسک های تشخیص تصویر، شبکه های عصبی یا شبکه های عصبی عمیق عملکرد بهتری نسبت به svm دارند. این درسته. اما از اونجایی که دیتاستی که انتخاب کردم ساده هست و چالش کمی داریم برای همین منظور، الگوریتم svm به نظرم رسید که جوابه.
برای این منظور من از لایبرری های زیر استفاده کردم:
در ابتدا باید دیتاست یا مجموعه داده رو تهیه کنیم که من از لینک زیر استفاده کردم.
https://github.com/MinhasKamal/AlphabetRecognizer
اگه ریپو رو دیده باشید شامل مجموعه ای از تصاویر حروف الفبا هست به انضمام یکسری تصاویر کاراکتر های خاص.
به عنوان مثال نمونه داده هایی که برای حرف a هستند به صورت زیر هست:

من به ازای هر حرف، از شماره یک تا بیست و چهار برای ترین کردن و از شماره بیست و پنج تا آخر رو برای تست در نظر گرفتم. قطعا شما می تونید فونت ها و یا کیفیت های تصاویر دیگه ای برای تست استفاده کنید. من فعلا به همین مجموعه داده بسنده کردم.
مهم ترین گام در سیستم های تشخیص تصویر، تبدیل تصویر (درنهایت تصاویر) به ماتریس هست. به عنوان نمونه کد:
matrix = np.zeros((10, 30, 60, 60)) for i in range(1, 11): for j in range(1, 31): img = cv2.imread(f'./data/{i}/{j}.png', cv2.IMREAD_GRAYSCALE) matrix[i-1, j-1, :, :] = img
بعد از اینکه تصاویر آماده سازی شدند ما نیاز داریم ماتریس تهیه شده رو به الگوریتم داده کاوی بدیم تا عملیات یادگیری و ارزیابی انجام بشه.
svm_classifier = SVC() svm_classifier.fit(X_train_flated, y_train)
همونطور که میبینید پارامتر های دیفالت رو در الگوریتم دست نزدم و فکر می کنم توی این مسئله ساده با همون ها جواب بده.

همونطور که میبینید مدل ما دقت 100 در 100 داره که این بخاطر دیتاستمون هست. همونطورکه قبلا اشاره کردم اگه با دیتاست های پیچیده تری مواجه بشیم چالش ها بیشتر میشن. به عنوان مثال
خب این ها خیلی می تونه تاثیر گذار باشه در دقت مدل ما. قطعا به جاهایی می رسیم که تصمیم میگیریم مثلا از svm استفاده نکنیم و سراغ الگوریتم های دیگه بریم یا روش های آماده سازی مختلفی رو تست کنیم.
شما می تونید کد کامل این برنامه ساده رو در گیت هابم ببینید:
https://github.com/abolfazlvakily/Letter-Recognition-By-SVM
امیدوارم نوشته امروز مفید بوده باشه.
از همراهیتون صمیمانه ممنونم...