南開科技大學圖書館 |

Language: 繁體中文

說明(常見問題)

南開科技大學

圖書館首頁

編目中圖書申請

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

應用支持向量機於撲克牌之辨識

俞有華

應用支持向量機於撲克牌之辨識

紀錄類型:	書目-語言資料,印刷品 : 單行本
作者:	胡政偉,
其他作者:	俞有華,
出版地:	[南投縣]
出版者:	南開科技大學電子工程研究所;
出版年:	民104[2015]
面頁冊數:	31葉 : 圖,表 ; 31公分+1張光碟
標題:	支持向量機(Support Vector Machine)
標題:	Support Vector Machine
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/15600513840494012840
附註:	指導教授: 俞有華
附註:	參考書目: 葉31
摘要註:	本論文中利用影像辨識的演算法對撲克牌進行辨識，我們嘗試使用支持向量機(Support Vector Machine)以及模板匹配(Template Matching)來對撲克牌進行辨識，而實驗環境是固定的，固定的拍攝的距離與固定的光源。我們也有使用一些簡單的影像辨識演算法如轉灰階圖，再把灰階圖轉成二值圖，在利用二值圖去取得輪廓，這個輪廓參數可以使用在於設置感興趣區域，然而感興趣區域會依據輪廓參數去切割在撲克牌中所有輪廓的區域，並用手動把這些區域分類再十七個資料夾，像是A，數字二到十(0)，J，Q，K，四種花色與其他，分類之後，使用支持向量機去訓練跟使用模板匹配去匹配。實驗結果，支持向量機可以透過更多訓練的樣本來提升成功率，模板匹配也有很好的辨識率，但是需要花費許多時間去匹配。

應用支持向量機於撲克牌之辨識
胡, 政偉

應用支持向量機於撲克牌之辨識 / 胡政偉 - [南投縣] : 南開科技大學電子工程研究所, 民104[2015]. - 31葉 ; 圖,表 ; 31公分.
指導教授: 俞有華參考書目: 葉31.
支持向量機(Support Vector Machine)Support Vector Machine

俞, 有華

應用支持向量機於撲克牌之辨識
LDR:02972pam0 2200289 450 001 1000056544
005 20150817114316.0
009 00153665
010 0 $b 精裝
099 $a 103NKUT0446012
100 $a 20150817y2015 k y0chia0101 e
101 0 $a chi
102 $a tw
105 $a ak am 000yy
200 1 $a 應用支持向量機於撲克牌之辨識 $f 胡政偉
210 $a [南投縣] $c 南開科技大學電子工程研究所 $d 民104[2015]
215 0 $a 31葉 $c 圖,表 $d 31公分 $e 1張光碟
300 $a 指導教授: 俞有華
300 $a 參考書目: 葉31
328 $a 碩士論文--南開科技大學電子工程研究所
330 $a 本論文中利用影像辨識的演算法對撲克牌進行辨識，我們嘗試使用支持向量機(Support Vector Machine)以及模板匹配(Template Matching)來對撲克牌進行辨識，而實驗環境是固定的，固定的拍攝的距離與固定的光源。我們也有使用一些簡單的影像辨識演算法如轉灰階圖，再把灰階圖轉成二值圖，在利用二值圖去取得輪廓，這個輪廓參數可以使用在於設置感興趣區域，然而感興趣區域會依據輪廓參數去切割在撲克牌中所有輪廓的區域，並用手動把這些區域分類再十七個資料夾，像是A，數字二到十(0)，J，Q，K，四種花色與其他，分類之後，使用支持向量機去訓練跟使用模板匹配去匹配。實驗結果，支持向量機可以透過更多訓練的樣本來提升成功率，模板匹配也有很好的辨識率，但是需要花費許多時間去匹配。 $u This paper uses the Algorithm of Image processing to recognition poker. We try to use the Support Vector Machine and Match Template to recognition poker.Experiment environment are fixed, like same distance to take a poker picture, and the same illuminant.We also use simple Algorithm to help Image processing like transform the poker image to gray-level and change again to binary image. So, we can use the binary image to find contours. This contours parameter can use by set region of interest. However the region of interest can use the contours parameter to cut all of contours in the poker image, and use these parts to classify in the eighteen folders like A, number two to ten (zero), J, Q, K, four suits and other by using hand. After classify, use the Support Vector Machine to training and use Match Template to matching.The experiment results, Support Vector Machine can through by train more examples to promote recognition rate. Match Template also have good recognition rate, but Match Template expend more time to matching
510 1 $a The application of support vector machines for the recognition of the poker. $z eng
610 0 $a 支持向量機(Support Vector Machine) $a 模板匹配(Template Matching)
610 1 $a Support Vector Machine $a Match Template
681 $a 000 $b 4712
700 1 $a 胡 $b 政偉 $3 1000084156
702 1 $a 俞 $b 有華 $3 68230
801 0 $a tw $b 國圖 $c 20130805 $g CCR
801 1 $a tw $b 國圖 $c 20130805 $g CCR
856 $u http://handle.ncl.edu.tw/11296/ndltd/15600513840494012840