Strips groups detection in images of banknote packages in different lighting and background conditions using an SVM classifier
Cargando...
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Libre
Resumen
Descripción
This article shows the results of a binary classification of images with two different lighting and background conditions for a specific case of strips groups detection in banknote packages. The detection is made with a support vector machine classifier trained with features obtained from the images through the application of the wavelet transform and histogram concatenation techniques. For each lighting and background condition a different classifier is trained, the confusion matrix is obtained for each one and then are compared through the recall, specificity, precision, accuracy and Fscore parameters.
Este artículo presenta los resultados de una clasificación binaria de imágenes con dos diferentes condiciones de iluminación y fondo para un problema específico de detección de grupos de fajillas en paquetes de billete. La detección se lleva a cabo con un clasificador “Support Vector Machines” entrenado con vectores característicos obtenidos de las imágenes mediante la aplicación de la transformada wavelet y de la técnica de concatenación de histograma. Para cada condición de fondo e iluminación se entrena un clasificador diferente, se obtiene la matriz de confusión de cada uno y luego se comparan mediante los parámetros de recall, especificidad, precisión, exactitud y Fscore.
Este artículo presenta los resultados de una clasificación binaria de imágenes con dos diferentes condiciones de iluminación y fondo para un problema específico de detección de grupos de fajillas en paquetes de billete. La detección se lleva a cabo con un clasificador “Support Vector Machines” entrenado con vectores característicos obtenidos de las imágenes mediante la aplicación de la transformada wavelet y de la técnica de concatenación de histograma. Para cada condición de fondo e iluminación se entrena un clasificador diferente, se obtiene la matriz de confusión de cada uno y luego se comparan mediante los parámetros de recall, especificidad, precisión, exactitud y Fscore.
Palabras clave
Citación
Colecciones
Aprobación
Revisión
Complementado por
Referenciado por
Licencia Creative Commons
Excepto donde se indique lo contrario, la licencia de este ítem se describe como Derechos de autor 2017 Las opiniones de los autores son de su exclusiva responsabilidad