tercera entrega

IDENTEFIERProgramación de Sistemas

Adaptativos

Disclaimer: Las herramientas y códigos utilizados para esta presentación son propiedad de sus autores, el uso dado en la

presentación es solo para fines ilustrativos y educativos.

Resumen del proyecto.

Con respecto a la entrega anterior , no se

modificó nada del proyecto.

Se seguirá lo que se tenía planeado

utilizando el reconocimiento de patrones

y algoritmos de búsqueda.

Avance de la planeación.

¿Qué se ha hecho?

Se han estado realizando pruebas

mayoritariamente en el área de la red

neuronal para el reconocimiento de lo que el

usuario dibuje en la pantalla.

Se han encontrado algunos algoritmos para

ésta tarea(e.g K-nearest neighbours).

Se encontró una pequeña implementación

para el autocompletado.

¿Qué falta? En la parte del reconocimiento, hace falta hacer

pruebas con la librería que se eligió (opencv) para programar la red neuronal.

Hace falta hacer el vínculo entre la parte de la red neuronal y la del autocompletado de palabras(i.e. Que reconozca la letra dibujada, la convierta en un carácter y se empiecen a dar opciones de autocompletado).

Hace falta analizar la implementación que se encontró para el autocompletado de palabras y a partir de ahí obtener una implementación adecuada al proyecto.

Problemas Se han tenido muchos problemas en lo que

se refiere al manejo de opencv.

Un ejemplo es que al tratar de entrenar la red, se necesitan dos documentos con información de las imágenes y un «label» pero por alguna razón no se logra hacer que funcione.

Se debe analizar más a fondo la documentación de opencv; en el peor de los casos puede ser un error con python así que se tendría que leer la documentación del lenguaje.

Herramientas.

Recursos.

La librería que se decidió utilizar para el

proyecto fue opencv.

En cuanto a referencias, la lista se

extendió mucho debido a la complejidad

de la librería.

Referencias.

Investigando, se llegó con la siguiente

página: http://www.aishack.in/

En ésta página se encuentran

explicaciones de algoritmos, tutoriales

sobre el uso de opencv, entre otras cosas.

Una «desventaja» es que el sitio está

hecho para personas que utilizan la

versión de c/c++ de la librería.

Debido a la complejidad de la página

anterior, se siguió buscando y se llegó al

siguiente blog :

http://opencvpython.blogspot.mx/

En este blog, también se encuentran

tutoriales de opencv pero utilizando

python.

La « desventaja » de esta página, es que

en algunos casos solo se provee el

código y se tuvo que « descifrar » leyendo

la documentación.

Buscando en la página anterior algo

relacionado con el algoritmo de k-

nearest neighbours se encontró el

siguiente link:

http://stackoverflow.com/questions/9413

216/simple-digit-recognition-ocr-in-

opencv-python

En ese link se encuentra una

implementación de este algoritmo, el

cual se analizó para tener una idea mas

clara de como utilizarlo.

No menos importantes son los links de la

documentación de la librería junto con la

documentación de otras dos de las

cuales depende opencv, que son :

numpy y scipy.

http://opencv.willowgarage.com/docum

entation/python/index.html

http://docs.scipy.org/doc/

Primera versión

Debido a todos los problemas que se han tenido con entender el funcionamiento de la librería, no se tiene un código funcional para ser presentado.

De avance de código solo se tiene lo referente al procesamiento que se debe hacer antes de utilizar el algoritmo de k-nearest neighbours. « código »

Cabe aclarar que ese procesamiento no se realiza de manera correcta y se está buscando la manera de corregirlo.

En cuanto al autocompletado, a partir del siguiente código, se planea tomar una base para adaptarlo a lo que el proyecto necesita.