Projekt 6 - Klasifikační úloha v dopravě (vedoucí K. Horák)

Zadání

Na výstupních datech detektoru významných bodů SIFT v obrazu proveďte návrh modelu prediktoru pro rozpoznávání významných bodů odpovídajících státní poznávací značce (SPZ). Vstupem jsou dva CSV soubory odpovídající dvěma galeriím obrazů: trénovací a testovací. Trénovací soubor (původní galerie 535 obrazů) obsahuje 535 záznamů, kdy každý záznam obsahuje Ni deskriptorů SIFT a informaci, zda-li je přísluąný významný bod rohem SPZ a případně kterým. Testovací soubor je totožný s trénovacím až na informaci o příslušnosti významného bodu k některému rohu SPZ.
Zadání bodově:

  • Na základě trénovacích dat vytvořte model (p6-trainSTU-2016.csv - 111 MB).
  • Navržený model použijte na klasifikaci testovacích dat (p6-testSTU-2016.csv - 29 MB).
  • Pro analýzu dat a návrh modelu můžete využít libovolné prostředí např. RapidMiner.
  • Algoritmus klasifikátoru musí být implementován v Matlabu (lze využít Machine Learning Toolbox).
  • Proveďte simulaci modelu v Matlabu na testovacích datech.
  • Elektronicky odevzdejte v CSV souboru predikce získané na testovacích datech (tj. sloupec čísel).
  • Volitelně: implementujte vizualizaci predikcí přímo do algoritmu zpracování obrazu (vykreslete rámeček kolem SPZ).
  • Zpracujte kompletní dokumentaci postupu a prováděných experimentů včetně grafů, tabulek apod. (rozsah 5-10 stran).

Galerie pro vizuální ověření správnosti výsledku:

Pro seznámení se s prostředím RapidMiner využijte tutoriály na webových stránkách [1] a s Machine Learning Toolboxem Matlabu zdroj [2].

Pro přiblížení postupu při zpracování projektu v RapidMineru můžete použít starší materiály Dr. Honzíka: první experiment, křížová validace a tipy v RapidMineru.

Klíčová slova

Významné body obrazu, RapidMiner, Matlab, modelování, predikce.

Ilustrativní obrazy

Odkazy

[1] RapidMiner: RapidMiner HomePage
[2] Matlab: Machine Learning with MATLAB