Die digitisering van die patroondiagram vir 'n ouma hekelblokkie was een van die uitdagings wat Prof Lynette van Zijl van die Universiteit Stellenbosch se Rekenaarwetenskapafdeling vanjaar aan haar BScHons-klas gegee het.
Op die oog af het dit heel eenvoudig geklink: “Ons wil basies 'n patroon digitiseer sodat ons betekenis daaruit kan onttrek," verduidelik sy.
Maar terwyl die tegnieke om eendimensionele lineêre diagramme te digitiseer reeds redelik goed verstaan word, is dit heeltemal 'n ander storie wanneer dit kom by 'n multidimensionele nie-lineêre diagram soos dié vir 'n hekelpatroon.
Adri Lochner, wat vandeesmeek haar BScHons-graad in Rekenaarwetenskap cum laude van die US verwerf het, het die ouma hekelblokkie as deel van haar finaljaarprojek aangepak. Nie omdat sy kan hekel nie, allermins. Maar eerder omdat sy meer wou leer van masjienleer en diagramherkenning.
Sy sê die grootste uitdaging was om aan maniere te dink waarop 'n mens die diagramme kan herken: “Verder het daar sub-probleme opgeduik wat ek moes oplos om beter resultate te handhaaf. Elkeen van die sub-probleme was 'n projek op sy eie!"
Lochner het 'n 'toesighoudende leer algoritme' (gebaseer op ondersteuningsvektormasjiene) gebruik en dit “geleer" om elk van die individuele simbole wat in hekelpatrone gebruik word, te herken en korrek te klassifiseer. So byvoorbeeld is die simbool vir 'n glysteek 'n swart kol, en vir 'n kettingsteek is dit 'n ovaal. Sy het 'n datastel van 57 600 beelde gebruik en dit opgedeel in drie verskillende afdelings vir leer, validasie en toetsing.
Maar hoe leer jy 'n algoritme om die kombinasie van drie langbene te herken? In haar oplossing, het sy 'n “grensraam" rondom sulke kombinasiesteke geteken. Die drie langbene word dus as 'n enkele komponent deur die rekenaar herken en geklassifiseer.
Maar dit was die eenvoudige kettingsteek wat die grootste kopseer veroorsaak het. Die algoritme kon nie individuele kettingsteke van mekaar onderskei nie. Sy het toe die groter buitekantste kontoer van die beeld verwyder, en sodoende die kettingsteke van mekaar onderskei.
Uiteindelik het haar herkenningsmetode 'n akkuraatheidsvlak van 70% behaal.
Prof Van Zijl sê dieselfde herkenningsprobleem geld vir diagramme van molekules en stroombane: “Ons wil eendag daartoe in staat wees om komplekse beelde na teks om te skakel, en omgekeer. Dit sal soveel nuwe moontlikhede bied, soos verbeterde soektogte vir beelde, beter klassifisering van beelde, en verbeterde toegang tot diagrammatiese inligting vir die blindes."
Lochner, 'n oud-leering van Hoërskool Stellenbosch, is vir eers oppad Pretoria toe waar sy as sagtewareingenieur gaan werk. In die nabye toekoms beplan sy om op nagraadse vlak verder die probleem van diagramherkenning na te vors.
Navrae
Prof Lynette van Zijl
T: 021 808 4232
E: lvzijl@sun.ac.za
