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
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。
object recognition survey paper或feature extraction car。- 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.
https://stackoverflow.com/questions/13019091
复制相似问题