Dua Khety
1.0.0
Aplikasi seluler untuk menerjemahkan Hieroglyphics (2018)
?? Aplikasi seluler yang mendeteksi, mengklasifikasikan & menerjemahkan hieroglif.
Sebagian besar cara hidup orang Mesir kuno telah hilang karena tidak ada yang dapat menguraikan makna dari sebagian besar simbol mereka, Sir Alan Gardiner mengklasifikasikan setiap hieroglif dengan kode yang kemudian dapat digunakan untuk mencarinya untuk mengetahui lebih banyak tentang artinya. Kamus hieroglif ini akhirnya panjangnya ribuan halaman dan mencari apa pun menjadi tugas yang membosankan. Bahkan dengan munculnya internet, masih ada masalah karena tidak mengetahui kode Gardiner Hieroglif untuk mencarinya.
Untuk membantu menyelesaikan masalah ini, Dua-Khety telah dibuat sebagai aplikasi seluler, tersedia di kedua perangkat Android (diimplementasikan dalam Java ) dan iOS (diimplementasikan dalam Swift & Objective C ), dengan tujuan mendeteksi dan mengklasifikasikan hieroglif dari dalam gambar yang diambil dan memberikan pengguna dengan kode Gardiner mereka serta informasi tentang transliterasi dan makna mereka. Seluruh proses berlangsung secara offline, yang berarti bahwa layanan ini nyaman, cepat, mudah digunakan, dan dapat diakses di mana saja kapan saja.
There are many features to the application aside from detection and classification, It also includes A Hieroglyphics dictionary, which allows users to enter a Gardiner's code and receive information about the hieroglyph it represents, A search history to view and re-analyze previous images, A social feed to view and analyze other users' images and search for images by username or ID code, and A photo submission system that allows users to send the developers images of hieroglyphs with their Gardiner code and Deskripsi untuk meningkatkan classifier dan dengan demikian meningkatkan kinerja aplikasi di masa depan. Fitur -fitur ini mengandalkan MySQL databases yang disimpan di server jarak jauh dan dimanipluate menggunakan skrip PHP. Ini kemudian dimigrasi ke layanan Google's Firebase untuk solusi penyimpanan dan database.
Setiap fitur diimplementasikan dalam tampilan terpisah, dan proses yang tidak terlihat oleh pengguna seperti klasifikasi, masing -masing memiliki tampilan sendiri juga. Aplikasi seluler dapat berkomunikasi dengan dua basis data di server jarak jauh. Yang satu memegang konten sosial yang digunakan oleh sejarah dan fitur pakan sosial dan yang lainnya memiliki informasi tentang hieroglif yang disortir oleh kode Gardiner, yang digunakan oleh kamus hieroglif dan untuk memberikan informasi lebih lanjut tentang klasifikasi.
Untuk segmentasi, ini dilakukan dengan menggunakan OpenCV dengan mengubah bitmap yang diambil oleh pengguna menjadi objek mat, mengubahnya menjadi hitam dan putih dan kemudian mengaburkan gambar dengan jari -jari 3. Rata -rata kemudian dihitung. Setelah itu, gambar diikat dengan min-val dari rata-rata yang dihitung dan maxval 255. Canny kemudian diterapkan dengan ambang batas rata-rata * 0,66 dan rata-rata * 1,33 dan ukuran bukaan 3 yang ditemukan optimal. Setelah itu, komponen diekstraksi dan digunakan untuk menggambar kotak pembatas di sekitar hieroglif individu pada gambar asli. Ini kemudian dipotong di sekitar dan ditempatkan dalam berbagai gambar yang lebih kecil. Gambar yang dipangkas (dari gambar asli) kemudian diubah menjadi hitam dan putih dan dipegang dengan cara yang sama sebelum diumpankan ke classifier untuk memaksimalkan akurasi.
Klasifikasi menggunakan konsep jaringan Siam . Jaringan seperti itu berbeda dari yang normal dengan menggunakan pasangan input gambar dan label yang mewakili apakah mereka berasal dari kelas yang sama atau tidak (ditampilkan sebagai 0 atau 1). Dengan kata lain, setengah dari apa yang dimasukkan ke dalam jaringan adalah pasangan gambar dari kelas yang sama dengan label mereka sebagai 1, dan setengah lainnya, dua gambar berbeda dari dua kelas yang berbeda, dengan label mereka sebagai 0. Gambar dipilih secara acak. Baru -baru ini, konsep ini telah terbukti bermanfaat dalam masalah menggunakan sejumlah besar kelas dengan sejumlah kecil gambar untuk setiap kelas, seperti untuk mengklasifikasikan gambar uji yang sebenarnya, gambar pelatihan diumpankan melalui jaringan dan vektor fitur 640 nilai diekstraksi. Setelah itu, rata -rata semua vektor gambar di kelas, dihitung dan disimpan dalam file nilai terpisah koma (CSV). Hal yang sama dilakukan untuk semua kelas (157). Turun untuk memprediksi nomor kelas untuk gambar uji baru, itu dimasukkan ke dalam jaringan yang sama dan vektor fitur 640 nilai juga diekstraksi. Setelah ini, jarak L1 antara vektor fitur dan yang diekstraksi sebelumnya dari setiap kelas dibandingkan dan lima jarak terkecil diambil sebagai lima prediksi teratas. Aplikasi iOS menggunakan OpenML saat aplikasi Android menggunakan Tensorflow .
Keakuratan untuk prediksi teratas adalah 66%, sedangkan akurasi untuk lima prediksi teratas adalah 88%.
Tangkapan layar dan video dapat ditemukan di sini: https://malaksadek.wordpress.com/2019/10/15/teeet-the-egyptian-microbus-experience/
Aplikasi tersedia di:
