Reconocimiento de Huellas DigitalesPresentación final

Project Vote

Redes NeuronalesCarmen – Daniel

Adán - Sergio

Reconocimiento de Huellas Digitales•En esta entrega se presentan las mejoras

implementadas tanto en la red neuronal y en el procesamiento de huellas para su identificación.

Red Neuronal - Implementaciones

• Implementación de perceptrón simple (una sola neurona)

• La primera mejora con que cuenta esta nueva versión es que la neurona ya es manipulada como un objeto, lo que permite una mejor implementación de sus propiedades.

• Se terminó de implementar el conteo de total de aciertos y errores de la neurona en el total de corridas que el usuario haya definido al ejecutar el script.

• Otra de las principales mejoras conforme a la red implementada en medio curso es que ahora para esta implementación quedó atrás del uso de listas y en su lugar se hizo uso de la librería Numpy, la cual es especializada en el manejo de vectores. Y con la cual se comprobaron las facilidades que ofrece ésta en cuanto al uso y la manipulación de los mismos (vectores).

• Otra característica que se mejoró es que ahora el usuario decide cuántas pruebas quiere que corra el script, esto para observar el desempeño del aprendizaje de la neurona. Mientras más pruebas se realicen, más notorio es este aprendizaje de la neurona.

•Finalmente en la funcionalidad se logró comprobar que al volver a ejecutar el script después de una primera ejecución, el aprendizaje de la neurona es más exacto que en la ejecución anterior.

Mejoras Implementadas

•Originalmente, al crear esto el archivo podría contener grandes espacios de color blanco, es decir, unos en las orillas ya que varias imágenes contenían espacios en blanco a los lados. Aplicando la reducción se lograron eliminar esas filas para un mejor y más veloz procesamiento de los archivos al momento de comparar.

•Con esto mejoramos el procesamiento y la velocidad de los archivos.

Identificación de personas

•Se logró identificar a las personas por medio de los archivos generados comparándolos con los que ya están en la base de datos.

•Cada archivo tiene un nombre y se ingresa un archivo desconocido, con este archivo desconocido se comparan y regresar como resultado la coincidencia encontrada.