تمييز إشارة اليد

وعليكم السلام ورحمة الله وبركاته ....

موجود في المنتدى مشاركات توضح مفهوم وعمل الشبكات العصبونيه اتمنى ان تقومي بمراجعتها ومن ثم بعد ذالك اهلا وسهلا اختي الكريمه لاي استفسار فان شاء الله ان نكون قادرين على الاحابه ..

ماذا تقصدي بنوع الشبكه العصبيه ؟

بالتوفيق

اختيار التصميم المناسب يعتمد على التجارب ونتائجها. اقترح ان تجربي نوعين او اكثر من الانواع المشهورة في التصنيف classification .

مرجع رائع يشرح الشبكات العصبونية وانواعها وكيفية التطبيق باستخدام ماتلاب:

Neural Network Design by: Martin T. Hagan, Howard B. Demuth, Mark H. Beale,

حسان وابراهيم اطلقوا العنان للإبداع فى قسم الذكاء الاصطناعى

اقتباس

حسان وابراهيم اطلقوا العنان للإبداع

بعض ما عندكم :happy:

عماد حمدي احمد كتب:

حسان وابراهيم اطلقوا العنان للإبداع فى قسم الذكاء الاصطناعى

انت تؤمر يا دكتوري العزيز ,,,, ومثل ما قال ابراهيم بعض ما عندكم

-التعليم بواسطة معلمSupervised Learning

مثال على ذلك الClassification

لدينا بيانات جزء منها معروف تصنيفه وبعضها غير معروف لذلك نستخدم الجزء المعروف لنحصل على الصنف الخاص بالبقية عن طريق عملية التدريب.

2- التعليم بدون معلم Unsupervised learning

مثال على ذلك الClustering

هنا ليس لدينا اي معلومات عن التصنيف للبيانات وبالتالي المطلوب تصنيف كل البيانات .

اقتباس

انا في مشروعي سأقارن الصور المدخلة بمجموعة صور موجودة مسبقا

اعتقد ان طريقتك تتبع النوع الاول.

بعد قراءة الكتاب ستتضح لك الامور بشكل افضل .

السلام عليكم ورحمة الله وبركاته

اخي ابراهيم :clapping:

اختي راجعي موضوع الشبكات العصبيه المثبت قمت باظافه شرح جديد ان شاء الله يفيد , الا ان نكمل في ما بعد سواء اخي ابراهيم او انا واعوذ بالله من كلمة انا ....

بالتوفيق

هناك الكثير من المشاريع على النت بالإمكان الإستفادة منها كبداية

http://www.codeproject.com/KB/audio-video/hands_gesture_recognition.aspx

http://sourceforge.net/projects/jmatchtemplate

http://www.wiigee.com/index.html

هناك الكثير من الـ Papers في هذا المجال ... google it

في البداية تكون القيم عشوائية، يتم تدريب الشبكة حتى تحصل على قيم الاوزان المناسبه. بعد عملية التدريب يمكن ان ندخل صورة معينة ويتم تحديد اي صنف (حاله) تتبع وبالتالي التعامل معها حسب نوعها. هناك العديد من خوارزميات التدريب موجودة في الكتاب. يجب التجربة بمثال بسيط ومن ثم التعمق في الخوارزميات المعقده. مثلا اذا تم استخدام ال Perceptron متعدد الطبقات سيمكنه من تصنيف عدد 2^n حاله حيث n عدد الطبقات المستخدمه. بحيث اعتبار كل حاله تعبر عن صوره معينه. يوجد مثال بسيط في الفصل الثالث ومثال اخر ضمن تعليمات الماتلاب يوضحان ذك.

ibr_exn كتب:

في البداية تكون القيم عشوائية، يتم تدريب الشبكة حتى تحصل على قيم الاوزان المناسبه. هناك العديد من خوارزميات التدريب موجودة في الكتاب. يجب التجربة بمثال بسيط ومن ثم التعمق في الخوارزميات المعقده.

+1

اختي بارك الله فيكي , موجود الكثير من قواعد البيانات عن صورة اليد ما عليكي الا ان تبحثي اختي الكريمه , هل اقترح عليك اقتراح جميل لماذا لا تجعلي اكثر فائده بان تجعليه لتمييز صوره اليد للصم والبكم ... ولكن ابحثي اكثر عن مقالات تعمل في هذا المجال ... ومن اهم الاجزاء في مثل هذا المشروع هو جمع قاعدة البيانات عن حركة اليد او صورتها ...

بالتوفيق ان شاء الله

والسلام عليكم ورحمة الله وبركاته

10.1.1.23.9551.pdf

10.1.1.60.779.pdf

10.1.1.81.9173.pdf

10.1.1.143.9011.pdf

لا أدري لماذا أغفلتم الجزء الأهم كما أعتقد من المشروع وبدأتم في مناقشة الجزء الأقل الأهمية، القصد الأخت بدأت بالسؤال عن خوارزميات الذكاء التي تلزمها لحل المشروع، ولكنها لم تسأل عن خوارزميات معالجة الصور

حسب فهمي لمثل هذه المشاريع، فحلها يتم في خطوتين أساسيتين:

- إستخراج المميزات لصور اليد Features، أعني المميزات التي من خلالها أستطيع أن أعرف أن اليد تحمل الشكل التالي أو الشكل التالي، مثال (عدد الأصابع الممدوده مثلا، هل اليد مقبوضه، أي الأصابع مقبوضه و أيها ممدوده) طبعا في النهاية هذه ال Features سوف يتم تمثيلها على شكل رقمي. طبعا لإستخراج هذه المميزات نحتاج إلى خوارزميات معالجة الصور (ليست سهله و تحتاج لمعرفة في هذا المجال)

- بعد ذلك نصل إلى الخطوة التالية التي قام الاخوه بمناقشتها، حيث يتم إدخال قائمة ال features التي تم إستخراجها إلى إحد خوارزميات التعلم، و تتم عملية التعليم على مجموعه كبيرة من العينات.

- بعد إنتهاء عملية التعلم يكون بإمكاننا إستخدام النظام و الحصول على تصنيفات للصور الجديده.

لا أدري إن كانت الأخت قد عملت على الخطوة الأولى، ولكن أرغب في معرفة رأيي الأخوة أيضا

هذه الملاحظة تخطر على بالي في كل مره يتم مناقشة مثل هذه المواضيع

بالتوفيق :)

اقتباس

لم أفهم قصدك بجمع قاعدة بيانات عن صورة اليد

توجد قواعد بيانات قياسية (متفق عليها) يتم استخدامها في مثل هذه الامورلتعطي النتائج مصداقية اكبر.

مثلا :

Hand Posture and Gesture Datasets

Sébastien Marcel - Hand Posture and Gesture Datasets

the UC Irvine Machine Learning Repository

اقتباس

إستخراج المميزات لصور اليد Features،

لا يوجد حاجة كبيرة لذلك، الا اذا كنت ستسخدم خوارزميات اخرى غير الشبكات العصبونيه.

ibr_exn كتب:

لا يوجد حاجة كبيرة لذلك، الا اذا كنت ستسخدم خوارزميات اخرى غير الشبكات العصبونيه.

أنا لم أتعامل سابقا مع الخوارزميات العصبونية، (تعاملت مع الخوارزميات الجينية، و بعض خوارزميات التصنيف FCM kmean...)

حسنا في هذه الحالة ماذا ستكون المدخلات للشبكة العصبونية؟؟

اقتباس

أنا لم أتعامل سابقا مع الخوارزميات العصبونية

راجع درس الشبكات العصبونيه للاخ حسان ، بالاضافه الى الكتاب اعلاه الذي يشرح الموضوع بشكل مبسط مع امثله.

اقتباس

أنا لم أتعامل سابقا مع الخوارزميات العصبونية، (تعاملت مع الخوارزميات الجينية، و بعض خوارزميات التصنيف FCM kmean...)

حسنا في هذه الحالة ماذا ستكون المدخلات للشبكة العصبونية؟؟

أخي خلدون العمليه (ببساطه) تتم تقريبا كما لو أنك كتبت برنامج للتعرف على الأرقام من 1 -9 مثلا

أي أن المدخلات ستكون سلسله او مصفوفه من الأرقام 0 و 1 مثلا

والله أعلم

rose queen كتب:

يعني تكون النتائج أفضل من إذا كانت الصور من إلتقاطي ؟ بس أعتقد يكون العمل أصعب لإنه راح يقارنها بنماذج مختلفة ؟

مثل ما قال الاخ ابراهيم موضوع الصور برجع الك يا اما تحصلي عليها جاهزه او تعمليها لوحدك , ولكن عندما تكون جاهزه ومستخدمه سابقا فهذا يكون اسهل عليكي ...

لاحظي ما يلي , ولكي تفهمي المبدأ العام للشبكات العصبونيه .. واركز على العام

زهرة السوسنه ( Iris) لها ثلاث انواع تختلف في شكلها وهي :-

-- Iris Setosa

-- Iris Versicolour

-- Iris Virginica

الان هذا النوع من الازهار لها قواعد بيانات تم جمعها سابقا من خلال اطوال البتله والساق وغيرها بالسنتيمترات وهذه تفاصيل داخل قاعدة البيانات كالجدول التالي رقم (1) ,

جدول رقم (1)

No	        Physical Attribute     	Features 
-----------------------------------------------------------------------
1.		sepal length	Used as Input
2.		sepal width	Used as Input
3.		petal length	Used as Input
4.		petal width	Used as Input
---------------------------------------------------------------------
5.Target		       Used as Output 
•Setosa
•Versicolour
•Virginica

فكما تلاحظوا الهدف من هذه البيانات والخصائص التحقق من من نوع هذه الازهار وتدريبا لكي نعلم ماهو نوع الزهره المدخله في ما بعد من خلال القياسات والنسب .

وهذه عينه من البيانات .

 
5.1,3.8,1.9,0.4,Iris-setosa
4.8,3.0,1.4,0.3,Iris-setosa
5.1,3.8,1.6,0.2,Iris-setosa
4.6,3.2,1.4,0.2,Iris-setosa
5.3,3.7,1.5,0.2,Iris-setosa
5.0,3.3,1.4,0.2,Iris-setosa
7.0,3.2,4.7,1.4,Iris-versicolor
6.4,3.2,4.5,1.5,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
5.5,2.3,4.0,1.3,Iris-versicolor
6.5,2.8,4.6,1.5,Iris-versicolor
5.7,2.8,4.5,1.3,Iris-versicolor
6.3,3.3,4.7,1.6,Iris-versicolor
5.7,2.5,5.0,2.0,Iris-virginica
5.8,2.8,5.1,2.4,Iris-virginica
6.4,3.2,5.3,2.3,Iris-virginica
6.5,3.0,5.5,1.8,Iris-virginica
7.7,3.8,6.7,2.2,Iris-virginica
7.7,2.6,6.9,2.3,Iris-virginica
6.0,2.2,5.0,1.5,Iris-virginica
6.9,3.2,5.7,2.3,Iris-virginica
5.6,2.8,4.9,2.0,Iris-virginica

هنا يتم لهذه البيانات مجموعه من العمليات قبل ان يتم عليها عمليات التمرين وغيرها ..

وعلى اساس ذالك قس ( ملاحظه هنا تكون المدخلات ارقام وليس صور ) فبالتالي لا تربطي الموضوع مباشرة بموضوع اليد لانه ليس رقمي ( المدخل صوره ) وانما لكي تفهمي المبدا العام للشبكات العصبيه .

انا اسف لعدم توسعي لظروف خاصه هذه الايام فاقبلو مني الاعتذار ....

ماشاء الله الموضوع عامر بالخيرات في ردوده جزى الله خيرا كل من افد بمعلومات قيمة

حتى مع استخدام الشبكات العصبية أعتقد أن محاولة الحصول على أكثر الخصائص في الصورة في التفريق بين الحركات المختلفة واستبعاد الباقي هدف مهم

لأنه حتى مع استخدام الخلايا العصبية فإن عدد الخصائص الكبيرة والتي لا فائدة منها قد يؤدي إلى أمرين

1- زيادة حجم الشبكة مما يؤدي إلى زيادة الحسابات اللازمة للحصول على تصنيف الكائن (الصورة في حالتنا)

2- وجود عدد كبير من الخصائص يؤدي إلى تعليم الشبكة على أمور غير مفيدة ويضر بتعميم الخطأ error generalization

لذا أقترح هنا استخدام أدوات مثل PCA ,ICA لتقليل عدد الخصائص المدخلة على الشبكة العصبية قد يكون أكثر فائدة

تحياتي

الشبكات العصبونية ليست دائما الافضل.. سيئة من ناحية الtraining فيها بطيء جدا.. وكذلك الaccuracy ليست دائما الافضل

يجب تجربة طرق تصنيف اخرى مثل svm و decision trees مثل rf و c4.5... وثم اختيار الافضل..

بالنسبة للfeature subset selection او اختيار الخصائص، يجب تخفيفه كما قال علاء الصالحي...

وإضافة إلى ماقال علاء الصالحي: اقترح weka، تحتوي على العديد من الfeature selection algorithms ومن ضمنها PCA

وبناء على تجربتي wrapper + best-first search method هو افضل في الغالب لاستخراج مجموعة الخصائص... لكن لا يضمن افضل النتائج (لا يوجد heuristic يضمن -- حتى PCA/ICA لا تضمن)

لا توجد طريقة لضمان افضل نتيجة. الحل الوحيد للضمان هو بواسطة exhaustive search والذي يستحيل عندما يكون عدد الخصائص كثيرا

لكن في مثال iris الذي ذكره HASSAN الافضل هو wrapper + exuastive search وبعدها سيكون الحصول على افضل features subset مضمونا 100% بواسطة 15 محاولة بحث فقط

والسبب لان عدد الخصائص قليل (4 في هذه الحالة)

عدد التجارب هي 2 اس 4 والناتج ناقص 1 = 15

password123 كتب:

الشبكات العصبونية ليست دائما الافضل.. سيئة من ناحية الtraining فيها بطيء جدا.. وكذلك الaccuracy ليست دائما الافضل

يجب تجربة طرق تصنيف اخرى مثل svm و decision trees مثل rf و c4.5... وثم اختيار الافضل..

اخي من اين لك هذا ؟ رجاءا ضع مصدر او تأكد من المعلومه , لا تنسى اي معلومه تقولها هنا قد يعتمدها اي شخص اخر وترسخ في ذهنه وهي خاطئه .. وثق كلامك رجاءا هذا منتدى علمي .. واتمنى ان تراجع مداخلاتك قبل كتابتها

احترامي