这个问题与物体检测有关，基本上，检测任何已知的＆＃34;宾语。举个例子，假设我有下面的对象。
我将拍摄所有这些单个物体的4张照片。一个来自左边，另一个来自右边，另外两个来自上下。我原本以为可以用这4张照片识别这些物体，因为无论你如何看到可以检测到它的物体，你都可以看到所有4个角度的照片。
但是我对某些人的想法感到困惑，因为每个物体都有成千上万的正负图像训练引擎。我真的不认为这是必需的。
简单地说，我的问题是，为了识别物体，我需要成千上万的正面和负面物体吗？或者只是4个角度的4张照片就足够了？
我期待为此使用OpenCV。
更新
实际上主要是这样的事情。想象一下，我有2台笔记本电脑。一个是戴尔，另一个是惠普。两者都是笔记本电脑，但你知道，它们有明显的差异，包括Logo。我们可以使用Feature Description执行此操作吗？如果不是，那么＆＃34;硬＆＃34; ＆＃34;培训＆＃34;处理？需要多少照片？
更新2 我需要检测特定的＆＃34;对象。不是所有的汽车，所有的瓶子等。例如，＆＃34; Maruti汽车模型123＆＃34;和＃34;法拉利汽车模型234＆＃34;这两款车都不同。想象一下，我有上面提到的模型的Maruti和Ferrari的照片，然后我需要检测它们。我不必担心其他车辆或车辆，甚至其他型号的Maruti和法拉利。但是上面提到的＆＃34; Maruti Car Model 123＆＃34;应该被识别为＆＃34; Maruti Car Model 123＆＃34;以上提到＆＃34;法拉利车型234＆＃34;应该被识别为＆＃34;法拉利车型234＆＃34;。我需要多少张照片？
答案 0 :(得分：1)
要回答标题中提到的问题，如果您希望能够确定图片中的对象是什么，则需要使用有监督的算法（经过培训）。否则，您将能够在某些情况下确定对象的边缘或存在，但不能确定它是什么类型的对象。为了说明对象是什么，你需要一个标记的训练集。
关于问题的内容，对象图片中可能的角度数是无限的。如果您的训练集中只有四张图片，则测试示例可以在训练示例A和训练示例B之间的某个角度拍摄，这使得很难识别您的算法。训练集越大，识别对象的概率越高。小心：你永远不会绝对确定你的算法会识别对象。它变得更有可能。
答案 1 :(得分：1)
数目：
如果您想要检测特定对象而不需要考虑视点更改，则可以使用2D功能： http://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html
要区分2个徽标，您可能需要为每个徽标构建一个探测器，该探测器将在一组图像上进行训练。例如，您可以训练Haar级联分类器。
为了区分不同型号的汽车，您可能需要使用每辆汽车的训练图像来训练分类器。但是，我遇到了一个使用最近邻方法的应用程序 - 它只是从给定的测试图像中提取特征，并将其与不同车型的已知图像集进行比较。
此外，如果您要解释有关应用程序的更多信息，我可以推荐一些方法和软件包。