Koneopin algoritmien tehokkuus kuvantunnistuksessa

Abstract

Opinnäytetyössä tutustutaan tekoälyn algoritmeihin, jotka ovat kykeneväisiä kuvantunnistukseen ja toteutetaan vertailu, jossa mitataan tehokkuutta kirjaimien tunnistamisessa.

Algoritmeja, jotka soveltuvat kuvantunnistukseen on monia, tutkimisen jälkeen algoritmeiksi valikoituivat Valintapuu, K-lähin naapuri, Tukivektorikone ja konvoluutiohermoverkko, jotka ovat ennestään tuttuja testaajalla, poissulkien Tukivektorikoneet.

Opinnäytetyön tarkoituksena on lisätä tietoisuutta koneopin algoritmeista ja helpottaa valintaa, kun on tarkoitus löytää tehokas koneopin algoritmi kuvantunnistukseen. Opinnäytetyöhön tutustuttuaan lukija tuntee neljä algoritmia, jotka soveltuvat kuvantunnistukseen ja mihin nämä ovat tietyssä tilanteessa kykeneväisiä. Tämä mahdollistaa oikean algoritmin käytön vastaavanlaisissa tehtävissä.

The thesis explores artificial intelligence algorithms capable of image recognition and implements a comparison to measure efficiency in recognizing handwritten letters.

There are many algorithms suitable for image recognition, and after research, the selected algorithms are Decision Tree, K-Nearest Neighbors, Support Vector Machine, and Convolutional Neural Network, which are already familiar to the tester, excluding Support Vector Machines.

The purpose of the thesis is to raise awareness of machine learning algorithms and facilitate decision-making when seeking an efficient machine learning algorithm for image recognition. After familiarizing themselves with the thesis, readers will understand four algorithms suitable for image recognition and their capabilities in specific situations. This enables the correct use of the algorithm in similar tasks.