/// EI_Progetto2018 Il progetto consiste nel generare la stringa FEN di alcuni schemi di scacchi della settimana enigmistica
// PREREQUISITI
- Matlab: questo progetto è stato sviluppato con Matlab R2017b ; non è garantita la compatibilità con versioni precedenti
- Matlab toolbox Compute Vision : essenziale per l'esecuzione
// SETUP ED ESECUZIONE
- Recarsi nella cartella principale (da qui in poi root) del repositery. I file contenuti e l'albero delle directory è illustrato in seguito
- Aggiungere la cartelle root e tutte le sue sottocartelle al path (tramite AddPath -> Selected Folder and Subfolders)
- Recarsi nello script Main.m
- indicare il numero di immagine di test su cui eseguire lo script (i numeri delle immagini di test sono elencati in seguito)
- Eseguire lo script Main.m
// FILE E DIRECTORY / Legenda: (D) : directory (F) : file Disposizione ad albero
- (D) / : root
- (D) Images : contiene tutte le immagini del progetto
- (D) Test: contiene tutte le immagini di dataset usate per il test (sono presenti 22 immagini)
- (D) Training: contiene tutte le immagini di dataset usate per il training (sono presenti 38 immagini)
- (D) Squares: contiene i file (formato .jpg) delle chessboard extratte dalle immagini di dataset_training tramite extract_board_script.m -(D) labels_per_image : directory contenente i file .mat delle label di ciascuna immagine di DatasetChessboardExtracted_training
- (D) Documents: file di testo prodotti per analizzare le immagini da elaborare
- (F) Analisi iniziale immagini: analisi superficiale delle 48 immagini di dataset assegnate e dei problemi che presentano
- (F) Problematiche: problemi e difficoltà dell'algoritmo di estrazione delle chessboard (extract_chessboard_script.m)
- (F) Progetto-EI.pptx : powerpoint presentazione del progetto
- (D) Groundtruth:
- (D) GroundTruth_per_image: contiene tutte le stringhe FEN delle immagini presenti nella cartella "Dataset"
- (F) groundTruth.mat : file matlab contentente la cell groundTruth con tutte le groundTruth della directory GroundTruth_per_image
- (F) SchemaSlide.txt : schema seguito per produrre le slide del Dataset di test
- (F) git-graph.txt : grafo dei branch git al 24 febbraio
- (D) Scripts: file matlab (.m) impiegati per risolvere il problema dato. I scripts appartengono ai rispettivi autori
- (D) BoardExtraction
- (F) extractBoard.m
- (F) extractSquare.m
- (F) correctPerspective.m
- (D) Classification
- (F) FeedClassifier.m
- (F) GenerateClassifier.m
- (D) Description
- (F) computeGHOGDescriptor
- (F) computeHOGDescriptor
- (F) computeHuMomentsDescriptor
- (F) computeImageAsArrayDescriptor
- (F) computeLBPDescriptor
- (F) computeZHOGDescriptor
- (F) generateDescriptor
- (D) Fen creation
- (F) computeFEN_classify
- (F) computeFEN_matching
- (D) Miscellaneous
- (F) savuola.m
- (F) confmat
- (F) confusionMatrix
- (F) countErrors
- (F) expandString
- (F) generateChess
- (F) generateLabels
- (F) generatePath
- (F) padimage.m
- (D) Template matching
- (F) matcher
- (F) ncc.m
- (F) zncc.m
- (F) nssd.m
- (F) znssd.m
- (D) BoardExtraction
- (F) Main.m : Main del programma di riconoscimento; è necessario indicare l'immagine di Test su cui eseguire il Main
- (D) Variables
- (D) Classifiers : contiene dei classificatori già trainati
- (D) Features : contiene features già estratte dal training
- (D) Miscellaneous : altre variabili
- (D) Papers: file .pdf di papers e risorse che abbiamo consultato per lo sviluppo di questo progetto
- (D) Images : contiene tutte le immagini del progetto
/// Autori Gianluca Scarpellini, Federico Belotti
Copyright (c) 2018, Federico Belotti, Gianluca Scarpelllini All rights reserved.