Распознавание карт

Домашнее задание для собеседования

## Техническое задание
- Необходимо написать программу на Java, которая распознает, какие карты лежат на столе (только по центру картинки)

- Тестирование программы будет осуществляться на аналогичных картинках, которых нет в исходном множестве
- Допускаются ошибки в распознавании не более 3% от общего количества распознанных карт

- Нельзя использовать готовые библиотеки для распознавания текста. Необходимо написать свой алгоритм распознавания карт
- На распознавание одного файла не должно уходить более 1 секунды

- Исходный код решения задачи не должен быть длиннее 500 строк с нормальным форматированием

- Программу нужно предоставить в виде, готовом к запуску на Windows десктопе. Файл run.bat **параметром** принимает путь до папки с картинками. В консоль
  распечатывается результат в виде "имя файла - карты" для всех файлов папки

- Пример вывода: QcJd5h.png - QcJd5h
- Программу нужно предоставить с исходными файлами
- В исходных файлах должен быть ВЕСЬ код, который был использован для решения задачи

- Программу нужно предоставить в виде ссылки на zip-файл. Ссылки на репозитории, например на github, не принимаются
## Рекомендации

- У автора этой задачи решение заняло 100 строк кода. У лучшего на данный момент кандидата - 160 строк. Ничего страшного, если заше решение занимает 500
строк. Однако, если больше и это - не комментарии, то стоит задуматься

Для решения задачи рекомендуется использовать следующие функции, встроенные в уауа
- BufferedImage img = ImageIO.read(f); - зачитка картинки из файла

- ImageIO.write(img, "png", f); - запись картинки в файл

- img.getWidth(); img.getHeight();; - рамеры картинки

- BufferedImage img1 = img.getSubimage(x, y, w, h); - взятие области в картинке

- img.getRGB(x, y); - взятие цвета точки по координате

- Color c = new Color(img.getRGB(x,y)); c.getRed(); c.getGreen(); c.getBlue(); c.equals(c1); - работа с цветом точки

Решение

Задача разбита на 3 части:

1. prepare - подготовка данных.
2. learn - код для обучения модели.
3. card-recognizer - распознавание карт.

1. Prepare

Приложение берёт картинки из папки ./resources/imgs_marked и превращает их в 2 файла:

• ./resources/learning/data_nums.csv
• ./resources/learning/data_suits.csv

Csv-файлы являются битовым изображением цифр (data_nums.csv) и мастей (data_suits.csv).

Одна строчка - одна картинка

Пример (используя вспомогательный метод BitSetUtils#toAscii)

....................................................................
....................................................................
........@@..........................................................
.......@@@@.........@@@@..@@@@@.........@@@@@..............@@.......
......@@@@@@.......@@@@@@@@@@@@@......@@@@@@@@............@@@@......
....@@@@@@@@@.....@@@@@@@@@@@@@@@....@@@@@@@@@@..........@@@@@......
...@@@@@@@@@@@...@@@@@@@@@@@@@@@@....@@@.....@@@.........@@@@@......
..@@@@@@@@@@@@@..@@@@@@@@@@@@@@@@...@@@......@@@........@@@@@@......
..@@@@@@@@@@@@@@..@@@@@@@@@@@@@@@...@@@......@@@@......@@@.@@@......
.@@@@@@@@@@@@@@@..@@@@@@@@@@@@@@@...@@@....@.@@@@.....@@@..@@@......
.@@@@@@@@@@@@@@@...@@@@@@@@@@@@@....@@@...@@@@@@.....@@@@@@@@@@.....
.@@@@@@@@@@@@@@@...@@@@@@@@@@@@......@@@...@@@@@.....@@@@@@@@@@.....
..@@@@@@@.@@@@@.....@@@@@@@@@@.......@@@@@@@@@@@...........@@@......
...@@@@.@..@@@........@@@@@@@.........@@@@@@@@@@...........@@@......
........@..............@@@@@...........@@@@@@.@@...........@@@......
.......@@@..............@@@.........................................
.........................@..........................................
....................................................................

2. Learn

Для обучения созданы две нейронные сети c 128 нейронами на скрытом слое. Каждая нейронная сеть принимает на вход csv с шага 1, обучается на ней и на выходе отдаёт 4 файла:

• num/b1.txt, suit/b1.txt - bias скрытого слоя
• num/b2.txt, suit/b2.txt - bias output слоя
• num/W1.txt, suit/W1.txt - веса скрытого слоя
• num/W2.txt, suit/W2.txt - веса output слоя

3. Recognize

1. Считываем веса и смещения из шага 2:

   • Веса (W1, W2) и смещения (b1, b2) загружаются из сохраненных файлов.

2. Преобразуем картинки в битовые массивы:

   • Для каждой карты изображения используется код, который преобразует изображение в битовый массив.

3. Магия:

   • Вычисляем $a1 = \text{relu}(x \cdot W1 + b1)$, где $\text{relu}(x) = \max(0, x)$.
   • Вычисляем $a2 = \text{sigmoid}(a1 \cdot W2 + b2)$, где $\text{sigmoid}(x) = \frac{1}{1 + e^{-x}}$.

   Где

   • $x = - битовый массив c изображением цифры или масти
   • $W1$, $W2$ - матрицы весов
   • $b1$, $b2$ - векторы смещений
   • $relu$, $sigmoid$ - функции активации:
     • $\text{relu}(x) = \max(0, x)$.
     • $\text{sigmoid}(x) = \frac{1}{1 + e^{-x}}$.