Skip to content

Latest commit

 

History

History
78 lines (59 loc) · 3.32 KB

README.md

File metadata and controls

78 lines (59 loc) · 3.32 KB
Raw

Chess Recognition

chess_recognition è una libreria MATLAB che permette di riconoscere automaticamente gli schemi degli scacchi de La Settimana Enigmistica.

Utilizzo

La funzione principale è recognize_chess_pieces, che prende in input l'immagine da analizzare, localizza la scacchiera, riconosce i pezzi e li ritorna codificati in notazione FEN.

  image = imread('path/immagine/desiderata.jpg');
  fen = recognize_chess_pieces(image);

Chiamando recognize_chess_pieces senza assegnare il valore di ritorno o passando esplicitamente true come secondo parametro permette di visualizzare in una figura di MATLAB la posizione della scacchiera nell'immagine e la configurazione di pezzi riconosciuta.

  recognize_chess_pieces(image);

Addestramento

Abbiamo creato una serie di script per automatizzare e rendere ripetibile il processo di addestramento dei classificatori. La procedure dei tre classificatori sono molto simili tra loro, viene mostrata come esempio la procedura per orientation_classifier:

  % Estrai le feature dalle immagini dei tre dataset e crea la tabella che verrà
  % usata per l'addestramento.
  ds = orientation_classifier.training.create_dataset(1:3);

  % Partiziona il dataset in training e test per permettere la validazione.
  cv = orientation_classifier.training.create_cvpartition(ds);

  % La partizione viene fatta sulle immagini, ma il classificatore lavora su una
  % cella singola per volta. Tutte le celle di un'immagine vengono messe insieme.
  test = images(cv.test, :);
  training = images(cv.training, :);

  test_cells = innerjoin(ds, test);
  training_cells = innerjoin(ds, training);

  % Addestra il classificatore.
  model = orientation_classifier.training.train_cubic_svm(training_cells);

  % Esegui la validazione del modello, mostrando la matrice di confusione e 
  % infomazioni sulle performance ottenute aggregando tutte le celle di un'immagine.
  orientation_classifier.training.evaluate_model(model);

Organizzazione delle cartelle

Nella cartella principale del progetto troviamo diverse sottocartelle e funzioni utilizzate nel progetto:

  • datasets contiene i tre dataset, al cui interno abbiamo:
    • cartella images con le immagini originali;
    • labels.csv e puzzles.csv con le configurazioni FEN di ogni scacchiera;
    • framepoints.mat con le coordinate degli angoli di ogni scacchiera;
    • cartella frames con le componenti connesse estratte dagli edge ed etichettate, usate nell'addestramento di edge_classifier;
    • cartella groundtruth con le configurazioni FEN nel formato richiesto dalla consegna del progetto;
  • docs contiene i dettagli del progetto e la relazione;
  • fonts contiene il font Chess Mérida e i template dei singoli pezzi;
  • +edge_classifier, +orientation_classifier e +piece_classifier contengono il codice dei tre classificatori:
    • il modello addestrato, le funzioni utilizzate per l’estrazione delle feature;
    • +training con le funzioni utilizzate per l'addestramentoe e la valutazione del modello;.
  • +lib contiene funzioni di terze parti scaricate da MATLAB Central e altre fonti.
  • +utilities contiene vari script creati e utilizzati nello sviluppo ma che non fanno parte del normale flusso del progetto.

Autori

Questo progetto è stato realizzato da Elia Cereda e Giorgia Adorni.