gianscarpe / chess_detection

/// 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
  • (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

/// Autori Gianluca Scarpellini, Federico Belotti

Copyright (c) 2018, Federico Belotti, Gianluca Scarpelllini All rights reserved.