首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >训练算法更好地识别图像

问训练算法更好地识别图像
EN

Stack Overflow用户
提问于 2012-10-22 20:14:08
回答 1查看 3.5K关注 0票数 2

这是一个研究问题,不是直接编程问题。

我正在研究一种符号识别算法,该软件目前所做的是,它获取一幅图像,将其划分为等高线(blobs),并开始用预定义模板列表匹配每个轮廓。然后,对于每个轮廓,它采取的是一个有最高的匹配率。

算法做得很好,但是我需要更好地训练它。我的意思是:我想用机器学习算法来训练算法有更好的匹配。因此,让我们举一个例子:

我在一个符号上运行识别,算法会运行并发现这个符号是一辆汽车,然后我必须确认这个结果(可能通过单击“是”或“否”)算法应该从中学习。因此,如果我点击NO,算法应该知道这不是一辆汽车,下一次会有更好的结果(也许试着匹配其他东西)。如果我点击“是”,他就会知道他是对的,下一次他在找车时会表现得更好。

这就是我想要研究的概念。我需要能够实现这类事情的文档或算法。我不是在寻找实现或编程,只是概念或研究。

我做了很多的研究,阅读了很多关于机器学习,神经网络,决策树.但我不知道如何在我的场景中使用任何一种。

我希望我是清楚的,这种类型的问题是允许堆栈溢出。如果没有,我很抱歉

非常感谢你的帮助或建议

EN

回答 1

Stack Overflow用户

发布于 2012-10-22 21:55:29

在社会上,图像识别仍然是一个挑战。在手动单击“是/否”的过程中,您所描述的只是创建标记的数据。因为这是一个非常广泛的领域,我只想指出一些可能有用的链接。

  • 首先,您可能需要使用一些现有的图像数据库,而不是创建您自己的图像数据库,这将节省您大量的精力。例如,UCIC图像数据库中的这个汽车数据集。
  • 因为你已经有了机器学习的背景,你可以看看一些完全符合你的项目兴趣的调查论文,例如,在谷歌中搜索object recognition survey paper或feature extraction car。
  • 然后你可以深入研究一些好的论文,看看它们是否适合你的项目。例如,您可以检查下面与UCIC图像数据库链接的两篇论文。
代码语言:javascript
复制
- Shivani Agarwal, Aatif Awan, and Dan Roth,  Learning to detect objects in images via a sparse, part-based representation.  IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(11):1475-1490, 2004.
- Shivani Agarwal and Dan Roth,  Learning a sparse representation for object detection.  In Proceedings of the Seventh European Conference on Computer Vision, Part IV, pages 113-130, Copenhagen, Denmark, 2002.

​

  • 还检查一些已实现的软件,而不是从头开始,在您的情况下,opencv应该是一个好的开始。
  • 对于图像识别来说,特征提取是最重要的步骤之一。您可能需要检查一下社区中一些最先进的算法。(SIFT,mean,harr特征等)
  • 当达到分类步骤时,增强算法也可能是有用的。我看到很多学者在图像识别社区中提到了这一点。
  • 如@nickbar建议的,在https://stats.stackexchange.com/上讨论更多内容
票数 5
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/13019091

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档