2

写真に必要なオブジェクトがあるかどうかを判断/検出するにはどうすればよいですか?

オブジェクトのクラスを認識する必要はありませんが、テンプレート画像とまったく同じオブジェクトがあるかどうかを知る必要があります。

これまで、テンプレート マッチング、ヒストグラム マッチング、SIFT のような方法を使用しようとしましたが、これらの方法のいずれも必要なレベルの精度を備えていません。

誰でも正確な方法を提案できますか?

UPD

リリースの DB サイズ - 5.000-10.000 の一意のオブジェクト

利用可能なトレーニング データ セット - 50 個のオブジェクト。

4

3 に答える 3

2

このオブジェクト (または少数のオブジェクト) のみに関心がある場合は、分類子をトレーニングできます。たとえば、V&J (カスケード分類子) や Bag of words アプローチを試すことができます。

ここでカスケード分類子について読むことができます: http://docs.opencv.org/modules/objdetect/doc/cascade_classification.html

bag of words の理論的背景: http://gilscvblog.wordpress.com/2013/08/23/bag-of-words-models-for-visual-categorization/

そしてopenCVのbag of wordsの実装: http://docs.opencv.org/modules/features2d/doc/object_categorization.html

于 2013-11-05T08:54:54.143 に答える
1

  1. 高精度が必要な場合、1 つの方法だけでは不十分だと思います。方法を組み合わせて使用​​する必要があります。テンプレート マッチング、ヒストグラム マッチング、SIFT のような方法を別々に試したように。しかし、これらを賢く組み合わせてみると、うまくいくかもしれません。

  2. これとは別に、機械学習アプローチを試すことができます。一般的には頑丈と言われています

  3. 分類子も解決策の 1 つかもしれません
于 2013-11-26T11:19:49.930 に答える
1

照明の違い、1 つのイメージに存在するストラップ、変形 (非線形)、回転、平行移動、スケールなど... この問題の難易度を高めます。

まず、この財布の画像を 10 ～ 20 枚選択できます。各財布のヒストグラム、ふるい分け機能、ウェーブレット ベースの機能などの機能を計算し、財布の着信画像がトレーニング画像のポイントのサブセットと一致するかどうかを確認します。

ここである程度成功した場合は、機械学習技術を使用して画像分類器を構築することを検討できます。複数のビュー、向き、変形から認識したい各オブジェクトを持つトレーニング データを収集する必要があります。ネットで「画像処理における機械学習」を検索すると、正しい方向にたどり着きます。

于 2013-11-04T20:22:11.707 に答える