|
Minutiae asosidagi avtomatik barmoq izini aniqlash: Mashinani o'rganish yondashuvlari 1Kirish
|
| bet | 6/7 | | Sana | 13.12.2023 | | Hajmi | 275,86 Kb. | | #118031 |
Bog'liq 7-betlik3-qadam: Minutiae xususiyatlari [x, y, type, Ø] yupqalashtirilgan barmoq izidan olinadi. 5-rasmda Minutiae xususiyatlariga ega ushbu mintaqa ko'rsatilgan.
4-qadam: Xususiyatlar to'plami keyin mashinani o'rganish algoritmlari uchun 80 ta misol va 150 atributga ajratiladi.
5-qadam: Tasodifiy o'rmonlar, ko'p qatlamli perseptron, radial asos funktsiyalari va "Naif Bayesian" o'zaro tekshirish paradigmasi yordamida olingan xususiyatlar to'plami bilan o'qitiladi va sinovdan o'tkaziladi.
6-qadam: Va nihoyat, ishlashini baholovchilar quyidagilarni o'z ichiga oladi: To'g'ri tasniflangan misollar, aniqlik, eslab qolish, aniqlik va F o'lchovi to'rtta mashinani o'rganish algoritmlari uchun hisoblashni. To'rtta mashinani o'rganish algoritmlari eng zamonaviy va tegishli sohada nisbatan yaxshi umumiy ishlashga asoslangan baholashni sozlash uchun tanlangan [16-18].
4-rasm. FVC 2002 DB1 maʼlumotlar bazasidan [7] barmoq izi tasvirlari asosiy nuqta joylashuvi yashil nuqta sifatida koʻrsatilgan.
5-rasm. Minutia Features Extraction uchun asosiy nuqta atrofida tanlangan mahalla hududi
V. Tajriba natijalari
Tajribalarni o'tkazish uchun FVC 2002, DB1, [7] umumiy domen ma'lumotlar bazasidan foydalaniladi. FVC ma'lumotlar bazasi DB1, DB2, DB3 va DB4 ni o'z ichiga oladi, ular 80 barmoq izlaridan iborat (har bir kishi uchun 8 ta rasmga ega 10 ta shaxsdan), DB1 tasvirlari yuqori sifatli, DB3 tasvirlari past sifatli, DB2 va DB4 tasvirlari o'rtacha sifatga ega. 1-jadvalda skanerlar va FVC 2002 ma'lumotlar bazalarini to'plash uchun ishlatiladigan texnologiyalar [7] tafsilotlari ko'rsatilgan. Barmoq izini oldindan qayta ishlagandan so'ng, Minutiae xususiyatlari joylashuvi, turi va yo'nalishi topiladi. Har bir barmoq izi tasviri uchun mashinani o'rganish algoritmi 150 ta atributdan iborat xususiyatlar to'plamidan foydalanadi.
Algoritmlar aniqlik, eslab qolish va F-measure yordamida baholanadi. Algoritm tomonidan to'g'ri va noto'g'ri tan olingan holatlar mos ravishda Haqiqiy Ijobiy va Haqiqiy Salbiy deb ataladi. Aniqlik, eslab qolish va F o'lchovi quyidagicha hisoblanadi:
Accuracy = (True Positive) / (True Positive+ True Negative+ Fasle Positive+ False Negative)
Precision = (True Positive) / (True Positive + False Positive
Recall = (True Positive) / (True Positive + False Negative)
F-Measure = 2*((Precision*Recall) / (Precision + Recall))
6-rasm: Ishlash ko'rsatkichlari (aniqlik %)
7-rasm: Ishlash ko'rsatkichlari (aniqlik, eslab qolish va F-o'lchovi): Y o'qi qiyosiy masshtabni ko'rsatadi.
Tajriba natijalari 6-rasm va 7-rasmda keltirilgan. 6-rasmda natijalar shuni ko'rsatadiki, Tasodifiy o'rmon boshqa uchta mashinani o'rganish algoritmlariga nisbatan to'g'ri tasniflangan misollarning yuqori foizini ishlab chiqaradi. Uning aniqligi, eslab qolish va F o'lchovi ham sinovdan o'tgan algoritmlar orasida yaxshiroq. 7-rasmda Naif Bayesianning aniqligi ko'p qatlamli perseptronga qaraganda yaxshiroq; ammo, uning eslab qolish va F-o'lchov barcha orasida eng past hisoblanadi. Eksperimental natijalar (6-rasm) shuningdek, Naive Bayesian to'rtta sinovdan o'tgan mashinani o'rganish algoritmlari orasida past aniqlik qiymatlarini ishlab chiqarishini ko'rsatadi. Aniqlik nuqtai nazaridan, Ko'p qatlamli perseptron va Radial asos funktsiyalari o'xshash natijalarni beradi. Biroq, radial asos funktsiyalari nisbatan yuqori F-o'lchovga ega va ko'p qatlamli perseptrondan ustundir. F-o'lchoviga asoslanib, tasodifiy o'rmon va RBF nisbatan yaxshi ishlashni namoyish etadi va avtomatik barmoq izini aniqlash vazifasi uchun tavsiya etilgan algoritmdir.
|
| |
