杂乱图像的分类

Question

我想要能够创建一个模型，能够分类的图像已被分割成9个部分和混乱。

我确实在上面看到了一张纸，但它已经很旧了(7-8岁)。有人能给我指点什么资源吗？建立CNN是最好的方法吗？

任何帮助都是非常感谢的。

Answer 1

这篇2019年年论文指出，目前所有的图像分类模型实际上都在做相同的事情，即对杂乱的图像块进行分类。原因是他们在建立长期依赖关系(远距离像素之间的关系)方面很弱。因此，通过调整图像补丁来打破这些依赖关系并不会对它们产生很大的影响。下面是职位，它解释了发现和适合您需要的BagNet方法。

Answer 2

一些备选方案：

• CNN确实是计算机视觉在图像识别、分类和分类方面的最新技术.简单地通过CNN获取这些乱七八糟的图片并从中学习到标签的映射可能是最简单、最有效的方法。
• 从上面的想法中遗漏了一件事，在标签试图学习的问题上，它依赖于一些全球结构上一致的方面，这些方面在混乱过程中被破坏。在这种情况下，人们可以尝试学习重建图像(见下文)，也可以将每幅图像作为输入尝试几次随机重排(每个置换图像)，并采取网络最有信心的预测。
• 另外，如果您想要重建混乱的图像(即，解决混乱的谜题)，有一些最近的论文正在研究如何做到这一点。例如，
  • DeepPermNet:视觉置换学习 (2017年)
  • 用Gumbel-Sinkhorn网络学习潜在排列 (2018年)