我是计算机视觉的新手，谁能告诉我在自然图像中进行物体检测的步骤？ （这里的对象是指徽标）。我根据自己的理解起草了以下步骤：
问题陈述：假设有20个参考徽标，给定自然图像，告诉图像中存在哪个徽标以及在哪个位置（边界框）。
Step1：收集包含相应徽标的许多（即100张）图片，并裁剪出徽标区域。因此，每个徽标有100个示例。此步骤的目的是在不同条件下处理徽标，例如照明，旋转等。
第2步：收集不包含任何徽标的随机图片。
Step3：提取功能，例如徽标和随机图片，使用SIFT功能。
Step4：现在，问题变成了一个多类别的分类问题。共有21个类，20个类对应20个徽标，1个类对应随机图像。
问题1： 使用哪种分类器？输入是什么，输出是什么？
Step5：鉴于测试图片，提取SIFT功能，使用所有功能作为输入？
问题2： 对于测试图像，请使用输入内容以及如何进行分类以确定其是否包含徽标，以及它是哪个徽标？
问题3： 如何确定检测到的徽标的位置？
问题4： 任何图片标注或裁剪工具？
如果我的程序不正确，请告诉我如何逐步完成此操作。在此先感谢!!
答案 0 :(得分：0)
问题1：我可以建议您使用Support Vector Machine。对于具有小数据集的任务，它是简单但功能强大的分类器。对于大多数流行的编程语言来说，很容易找到SVM的实现。您应该为具有或不具有相同大小的徽标的修补程序提取SIFT（或任何其他）功能，并将它们用作分类器输入。地面实况分类标签是徽标名称和一些清洁补丁的标签。因此，如果您有20个徽标，则会有21个不同的班级标签。
问题2和3：您应该使用滑动窗口技术。它的本质在于你可以用一些步幅裁剪测试图像的补丁，并使用你的分类器来预测是否有一些徽标。您可以阅读更多相关信息，例如here。
问题4：似乎该主题有答案：image labelling and annotation tool
一些建议：