SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Coin Counter

saki avatar
saki
8 diapositives · 396 Views · Aug 04, 2014

Coin Counter. Andres Uribe. what. Find out the amount of money in a coin picture. $4.10. How – Classifier. Build a coin classifier Bayes Classifier Nearest Neighbor SVMs Segment coins and create feature vectors. How - DATA. 80 images of standard US coins. 10 for each class:

#coin counter #coin counter ppt #powerpoint #presentation
Coin Counter - slide 1
01 / 8Coin Counter
1 / 17

Télécharger la présentation

Coin Counter
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Coin Counter Andres Uribe

  2. what • Find out the amount of money in a coin picture. $4.10

  3. How – Classifier • Build a coin classifier • Bayes Classifier • Nearest Neighbor • SVMs • Segment coins and create feature vectors

  4. How - DATA • 80 images of standard US coins. • 10 for each class: • Quarter: front and back • Dime: front and back • Nickel: front and back • Penny: front and back

  5. How – Segmentation • Use of the Hough Transform to detect circles • Threshold selection to segment background

  6. How – Features • Radial edge distribution: • Detect edges in the coin image • Construct a normalized edge radial histogram with 2, 4, 8, 16 and 32 bins.

  7. Results • Classifier: • Bayes: 72.5% • SVM: yet to be implemented. • NNR: yet to be implemented. • Money counter: • First approach uses too much memory for the circle detection. • Will use the best performing classifier.

  8. Questions? ?