はじめてのパターン認識 第１章 第４グループ 平田翔暉. パターン認識 パターン認識 o 観測されたパターンを、あらかじめ定められ たクラスに分類すること クラス o 硬貨： 1 円玉、 5 円玉、 10 円玉、 50 円玉、 100 円玉、 500 円玉 o アルファベット： 26 種類 o 数字：

Presentation on theme: "はじめてのパターン認識 第１章 第４グループ 平田翔暉. パターン認識 パターン認識 o 観測されたパターンを、あらかじめ定められ たクラスに分類すること クラス o 硬貨： 1 円玉、 5 円玉、 10 円玉、 50 円玉、 100 円玉、 500 円玉 o アルファベット： 26 種類 o 数字："— Presentation transcript:

1 はじめてのパターン認識 第１章 第４グループ 平田翔暉

2 パターン認識 パターン認識 o 観測されたパターンを、あらかじめ定められ たクラスに分類すること クラス o 硬貨： 1 円玉、 5 円玉、 10 円玉、 50 円玉、 100 円玉、 500 円玉 o アルファベット： 26 種類 o 数字： 10 種類

3 パターン認識 例：自販機の硬貨認識装置

4 パターン認識 重さ 穴の有無 サイズ 透磁率

5 パターン認識 例：自販機の硬貨認識装置

6 500 円玉 10 円玉 100 円玉 50 円玉パターン認識

7 パターン認識の流れ 識別対象 10 円玉 50 円玉 100 円玉 500 円玉 特徴ベクトル サイズ 重さ 透磁率 穴の有無 … 識別クラス 10 円 50 円 100 円 500 円 識別不能 特徴抽出 識別規則 特徴ベクトル･･･特徴を数値化して並べたベクト ル 特徴抽出･･･識別に必要な特徴量を測定すること 識別規則･･･クラスに分類するための規則

8 識別規則の学習 識別規則を作成するためには、入力データとその クラスを対にした多くの事例を使って入力データ とクラスの対応関係を学習する必要がある。 この事例のことを学習データと呼ぶ。

9 パターン認識の使用例 硬貨や紙幣の認識 音声認識 文字認識 顔画像認識 指紋や虹彩から個人認証 etc…

10 特徴尺度の分類 定性的特徴 （非数値データ） 定量的特徴 （数値データ）

11 特徴尺度の分類 定性的特徴 （非数値データ） 定量的特徴 （数値データ） 名義尺度 順序尺度 間隔尺度 比例尺度

12 特徴尺度の分類 尺度名説明 名義尺度 分類のための単なる名前。クラスラベル。 名前、住所、電話番号、単語など。 順序尺度 順序関係を表す。アンケートの 5 段階評価、「大中小」、 「優良可」、「男女」など。 間隔尺度 等間隔の単位で測られた量。 原点 0 はあっても、 0 でも何もないわけではない。 試験の成績、摂氏・華氏の温度、年月など。 比例尺度 原点が定まっている量。 身長、体重、絶対温度、年齢など。

13 定性的な特徴の表現方法

14 特徴ベクトル空間 特徴ベクトル空間とは、特徴ベクトルによって貼られた 空間のこと

15 特徴ベクトル空間 特徴ベクトル空間とは、特徴ベクトルによって貼られた 空間のこと 16×16=256 個の画素値からなる手書き文字画像データの 場合、 256 次元のベクトルになり、 1 枚の画像データが 256 次元ベクトル空間中の 1 点を指すことになる。

16 次元の呪い o 学習に必要なデータが、次元の増加とともに 指数関数的に増大すること 1 次元空間 2 次元空間 3 次元空間次元の呪い

17 高次元超立方体