Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network
Репозитарій Вінницького Національного Технічного Університету
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network
|
|
| Creator |
Kvetny, R. N.
Іvanov, Yu. Yu. Pivoshenko, V. V. Kulyk, Y. A. Knysh, B. P. Smolarz, A. Muslimov, K. Turgynbekov, Y. Квєтний, Р. Н. Іванов, Ю. Ю. Півошенко, В. В. Кулик, Я. А. Книш, Б. П. |
|
| Subject |
neuron
Hamming-Lippmann neural network learning-recognition algorithm image processing sliding window mode computational complexity image recognition error-correction QR codes sieć neuronowa Hamminga-Lippmanna algorytm rozpoznawania przetwarzanie obrazu przesuwne okno złożoność obliczeniowa rozpoznawanie obrazu korekcja błędów kody QR optymalne parametry |
|
| Description |
This article describes the architecture of the Hamming-Lippmann neural network and the math of the modified learning-recognition algorithm and presents some practical aspects for using it for solving an image recognition task. We have created software using C# programming language, that utilized this network as an additional error-correcting procedure, and have solved the task of recognition highly corrupted QR codes (with a connection to the database). Experimental results, of finding the optimal parameters for this algorithm, are presented. This neural network doesn’t require time-consuming computational procedures and large amounts of memory, even for high-resolution and big size images. W tym artykule opisano architekturę sieci neuronowej Hamminga-Lippmanna oraz matematykę zmodyfikowanego algorytmu rozpoznawania uczenia się, a także przedstawiono kilka praktycznych aspektów korzystania z niej w celu rozwiązania zadania rozpoznawania obrazu. Stworzyliśmy oprogramowanie wykorzystujące język programowania C #, który wykorzystał tę sieć jako dodatkową procedurę korekty błędów i rozwiązaliśmy zadanie rozpoznawania wysoce uszkodzonych kodów QR (w połączeniu z bazą danych). Przedstawiono wyniki eksperymentalne poszukiwania optymalnych parametrów dla tego algorytmu. Opisywana neuronowa nie wymaga czasochłonnych procedur obliczeniowych i dużej ilości pamięci, nawet w przypadku obrazów o wysokiej rozdzielczości i dużych rozmiarach. (Algorytm o niskiej złożoności obliczeniowej do rozpoznawania wysoce uszkodzonych kodów QR w oparciu o sieć neuronową Hamminga-Lippmanna). |
|
| Date |
2019-04-08T08:07:23Z
2019-04-08T08:07:23Z 2019 |
|
| Type |
Article
|
|
| Identifier |
Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network [Text] / R. N. Kvetny, Yu. Yu. Іvanov, V. V. Pivoshenko [etc.] // Przeglad elektrotechniczny. – 2019. – No 4. – P. 162-166. – DOI:10.15199/48.2019.04.29. – Scopus.
Kvetny, R. N., Іvanov, Yu. Yu., Pivoshenko, V. V., Kulyk, Y. A., Knysh, B. P., Smolarz, A., Muslimov, K., Turgynbekov, Y. Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network. Przeglad elektrotechniczny. 2019. No 4. P. 162-166. http://ir.lib.vntu.edu.ua//handle/123456789/24331 10.15199/48.2019.04.29 |
|
| Language |
en_EN
|
|
| Relation |
Przeglad elektrotechniczny. № 4 : 162-166.
|
|
| Format |
application/pdf
|
|
| Publisher |
Stowarzyszenie Polskich Inżynierów Elektryków i Elektroników
|
|