如何正确识别大图像中的项目，同时也检测项目是否正确的方向？

Question

我有一些机器与一个小的贴纸，我试图在一个更大的图像中检测。我熟悉基于经过训练的分类模型的对象检测技术，但为了使问题进一步复杂化，有可能出现以下情况，需要加以识别：

1. 标签存在(正确的方向)
2. 贴纸是存在的，但在里面。
3. 贴纸是存在的，但却是颠倒的。
4. 贴纸是存在的，但它是内外颠倒的。
5. 图像中不存在贴纸。

备选案文2、3、4和5基本上都是相同的结果.我只需要给它们贴上坏标签，而选项1是唯一好的例子。

我不能张贴实际的图片，我正在工作，但概述了不同的贴纸选项的近似。这些是贴纸的例子，但请记住，我正在处理的实际图像不那么清晰.相机的像素化和阴影/照明使得识别清晰的轮廓变得更加困难。

我试图用模板匹配来解决这个问题，因为我只是试图识别大图像中的贴纸，但这证明是浪费了我的时间，因为除了1和5之外，所有情况下模板匹配都失败了(我可以根据分数阈值很好地判断图像是否存在)。情况2是可以的，因为所识别的轮廓是向后的，与正确的情况相比，颜色略有不同，但是再次证明，要提取这个贴纸的轮廓是很困难的。

案例3和4很难识别为坏的，因为轮廓几乎与好的情况1完全匹配。主要区别是在图像1的顶部有一个更大的黄色死区，而在3和4中，死区在底部，因为它们被翻转了。我本希望在我的身份证明中使用这一点，但我对如何做这部分感到困惑。

我可以用什么机器视觉/图像处理技术来正确地将案例1归类为好的，同时识别所有其他的都是坏的呢？

Answer 1

因为我从来没有任何建议，所以我会用我的解决方案来回答我自己的问题。接着，我用TensorFlow对象检测库训练了一个对象分类模型，找到了这里。

我在每一个可能的方向1-5的多个例子上训练了模型。它似乎在识别所有5个可能的方向方面做得非常出色。我给技术人员留下了一个反馈选项，他们使用的是车间中的对象检测工具，当我们使用模型时，我将继续根据结果对其进行重新培训/更新。