1 Rozpoznávač jeté vařečky s HMM Honza Černocký
2 Úkol Rozpoznat jetou vařečku od jiného kuchyňského náčiní.
3 Analýza problému Na data je potřeba se nejprve podívat a určit, čím se asi tak taková vařečka odlišuje od jiných.
4 Parametrizace Segmentace Feature extraction pomocí šířky a jasu Možnost 1: Diskrétní symboly –SÚ je „světlá úzká“ –PÚ je „polotmavá úzká“ –TŠ je „tmavá a široká“ Možnost dvě –Spojité hodnoty obou veličin.
5 Jak rozpoznat jetou vařečku I. Tvrdé srovnání se sekvencí symbolů Vařečka je přesně sekvence symbolů [SÚ SÚ SÚ SÚ SÚ SÚ SÚ PÚ PÚ TŠ TŠ] Odpověď je ANO / NE Problém: rozpozná to pouze vařečky této délky.
6 Jak rozpoznat jetou vařečku II. Konečný stavový automat Stavový automat přijme nebo nepřijme vstupní sekvenci symbolů. Dokáže vařečky různé délky. Problém: rozpozná bez problémů i pahýlek vařečky.. SÚ PÚ TŠ
7 Jak rozpoznat jetou vařečku III. Stochastický konečný stavový automat (Markovův model) Stavový automat násobí pravděpodobnosti, dá nám likelihood „vyslání“ sekvence symbolů modelem: 0.7x0.7x0.7x0.7x0.7x0.7x0.3x0.6x0.6x0.6x0.4x0.3x0.7 Slušná vařečka bude mít vysokou likelihood. Problém: pokud se v jediném symbolu spleteme (třeba smítko na vařečce), máme smůlu. SÚ PÚ TŠ
8 The ultimate solution Skrytý Markovův model Každý stav si pro každý vektor určí, jak je pravděpodobné, že je vstupní vektor „jeho“ – tak, že pro něj vyhodnotí funkci hustoty rozdělení pravděpodobnosti. V tomto příkladu jsme určili stavy ručně – budou podle nás representovat SÚ, PÚ a TŠ Běžně si toto ale dělají HMM při trénování SAMY !!! Funkce Hustoty Rozdělení Pravděpodobnosti Pro SÚ Funkce Hustoty Rozdělení Pravděpodobnosti Pro PÚ Funkce Hustoty Rozdělení Pravděpodobnosti Pro TŠ
9 Početní cvičení - images