home *** CD-ROM | disk | FTP | other *** search
/ HPAVC / HPAVC CD-ROM.iso / SNNSV32.ZIP / SNNSv3.2 / examples / watch_2out.README < prev    next >
Text File  |  1994-04-25  |  3KB  |  84 lines
  1. =============================================================================
  2.     README file for the example files watch_2out.xxx
  3. =============================================================================
  4.  
  5.  
  6. Description:    This network is an advanced example of using neural networks
  7. ============    for tasks of image processing.
  8.  
  9. The network performs a 3x3 image convolution. The task was to detect
  10. edges like the sobel operator does in conventional immage processing.
  11. This example is derived from watch.xxx. The difference is that now
  12. also the absence of an edge is detected. Also the first hidden layer
  13. is of special funtionality.
  14.  
  15.  
  16. Pattern-Files:    watch_2out.pat
  17. ==============    
  18.  
  19. The pattern file watch.pat contains one single pattern pair which
  20. consists of three images: The input pattern represents an image of size
  21. 171x223 and the output pattern represents two images of size 169x221.
  22. This is an example for a pattern file with two variable dimensions.
  23. However, since there is only one pattern pair there is in fact no real
  24. variety in size between different patterns. SNNS is able to cut small
  25. parts out of variable sized patterns and to feed them into the network
  26. during learning and test (see Hints:)
  27.  
  28. For easier understanding the two original images (input and output
  29. image) are included in the SNNS distribution: watch_orig.pgm is a pgm
  30. image file which shows a watch. watch_edge.pgm is the corresponding
  31. edge image. watch_edge_invert.pgm is the inverted edge image. You need
  32. a standard image viewer (like xv) to view these images.
  33.  
  34.  
  35. Network-Files:    watch_2out.net
  36. ==============    
  37.  
  38. The network contains a trained network file with the following topology:
  39.     9 input neurons (organized as 3x3 input mask)
  40.     3 special hidden neurons, representing two sobel convolution
  41.         kernels and one laplacian kernel (fixed input weights)
  42.     7 hidden neurons
  43.     2 output neuron
  44.  
  45.  
  46. Config-Files:    watch_2out.cfg
  47. =============
  48.  
  49. This network uses one 2D display in its standard configuration.
  50.  
  51.  
  52. Hints:
  53. ======
  54.  
  55. To use this network and pattern file you need to define a sub pattern
  56. scheme with the SNNS remote panel: You need to tell SNNS how to cut
  57. sub patterns out of the image patterns. Open the sub pattern panel and
  58. insert the following values:
  59.  
  60.         Input                Output
  61.         Size    Step            Size    Step
  62. dim 1:        3    5            1    5
  63. dim 2:        3    5            1    5
  64.  
  65. You need to define a 3x3 input size since the network is also of these
  66. dimensions. Note that the output size is 1x1 although the network
  67. contains two output neurons. This is valid since the output pattern
  68. consists of a two dimensional field of elements with two values (see
  69. field 'No. of output units' in header of watch_2out.pat).
  70.  
  71. The step size of 5 is recommended to avoid long training
  72. cycles during experimentation. In any case you should define equal
  73. step sizes for the input and the output part of one dimension.
  74. Otherwise the cut output sub pattern does not correspomd to the input
  75. sub pattern and the network will not learn.
  76.  
  77. For more information about sub pattern handling please refer to the
  78. user manual.
  79.  
  80.  
  81. =============================================================================
  82.     End of README file
  83. =============================================================================
  84.