成功识别图像的步骤

Question

我已经做了几周的图像处理和机器学习课程。每天我都会学到一些关于图像处理的新知识，以及如何训练系统识别图像中的图案。 我的问题是为了成功识别图像，必须遵循的步骤是什么，例如去噪，使用LDA，PCA，然后使用神经网络。我不是在寻找任何算法，只是从捕获图像到测试输入图像的相似性的每个步骤（5 -6）的简要概述。

P.S＃对于mods，在将这个问题标记为不具有建设性之前，我知道它不具有建设性，但我不知道将这个问题放在哪个网站上。所以请重新定向我的stackexchange站点。

感谢。

Answer 1

我将如下描述管道，并省略了许多项目。

1. 获取具有地面真实标签的图像。
   • 亚马逊M-turk
   • 来自flickr的图片和标签
2. 计算该图片的功能
   • 将图像直接拉伸为列向量
   • 使用更复杂的功能，如文字袋，LBP。
3. 后处理功能以在需要时减少噪音的影响
   • 稀疏编码
   • max pooling
   • 增白
4. 根据（特征，标签）对训练分类器/回归器
   • SVM
   • 升压
   • 神经网络
   • 随意森林
   • 谱聚类
   • 启发式方法......
5. 使用经过训练的模型识别看不见的图像，并使用一些指标评估结果。

顺便说一句。传统上，我们将使用降维方法（如PCA）来使问题易于处理，但最近的研究似乎并不关心。

Answer 2

几个月前，我开发了一个使用局部二进制模式的人脸识别系统。 在这种方法中，我首先从本地存储或相机拍摄图像，然后使用局部二进制模式方法我考虑输入图像的每个块。获得输入图像的LBP后，我找到了lbp特征直方图的卡方距离。使用相同的过程将其值与存储的数据库映像进行比较。我能够得到同样的面孔。

Answer 3

亚马逊M-turk是一项让人们为您服务的服务。 （你付钱给他们）

SIFT是兴趣点的描述符。通过比较这些描述符，您可以找到图像之间的对应关系。 （SIFT符合第2步。）

在执行第4步时，您可以选择合并不同分类器的结果，或者只是信任一个分类器的结果。这取决于具体情况。

您是否要标记受影响地区的位置？我不确定你要做什么。

无法使用评论，所以我发布了另一个答案。