Ejemplo de uso de un modelo ONNX para reconocer números manuiscritos - Asesor Experto para MetaTrader 5

El asesor es capaz de reconocer números manuscritos

La base de datos MNIST está compuesta por 60 000 imágenes para el entrenamiento y 10 000 imágenes para las pruebas. Estas imágenes se crearon tras reprocesar el conjunto original de muestras en blanco y negro de 20x20 píxeles del NIST, que a su vez se obtuvieron de la Oficina del Censo de Estados Unidos y se completaron con muestras de prueba escritas por estudiantes de universidades estadounidenses. Las muestras se normalizaron y redujeron a una imagen de medios tonos grises de 28x28 píxeles.

El modelo entrenado de reconocimiento de números manuscritos mnist.onnx fue descargado del zoo park of models (opset 8). Quienes así lo deseen, podrán descargar y probar los otros modelos, salvo el modelo con el opset 1, que ya no es compatible con el onnx runtime reciente. Lo que más sorprendente resultó que el vector de salida no fuera procesado por la función de activación Softmax, como es habitual en los modelos de clasificación. Pero no pasa nada, lo haremos nosotros mismos

int PredictNumber(void)
  {
   static matrixf image(28,28);
   static vectorf result(10);

   PrepareMatrix(image);

   if(!OnnxRun(ExtModel,ONNX_DEFAULT,image,result))
     {
      Print("OnnxRun error ",GetLastError());
      return(-1);
     }

   result.Activation(result,AF_SOFTMAX);
   int predict=int(result.ArgMax());
   if(result[predict]<0.8)
      Print(result);
   Print("value ",predict," predicted with probability ",result[predict]);

   return(predict);
  }

 Los números se dibujan en una cuadrícula especial usando el ratón con el botón izquierdo pulsado. Para reconocer el número dibujado, hay que pulsar el botón CLASSIFY.

Si la probabilidad resultante de un número reconocido es inferior a 0,8, el vector de resultados con las probabilidades de cada clase se imprimirá en el registro. Intente, por ejemplo, clasificar un campo de entrada vacío en blanco

[0.095331445,0.10048489,0.10673151,0.10274081,0.087865397,0.11471312,0.094342403,0.094900772,0.10847695,0.09441267]
value 5 predicted with probability 0.11471312493085861

Por algún motivo, los nueves son los que peor se reconocen. Los números extraídos con inclinación hacia la izquierda se reconocen mejor.