图像识别和唯一性检测

Question

我是AI / ML的新手，我正在尝试使用它来解决以下问题。 我有一组（自定义）图像，虽然具有共同的特征，但也将具有独特的图案/签名和颜色值。我应该使用哪些算法来以下列方式传递： 1.识别共同特征（如在10x10mm图像中的任何位置存在三角形）。如果存在，继续，否则退出。 2.识别独特的图案/签名以单独识别每个图像。图案/签名可以是形状（人眼可见或隐藏，如使用覆盖形状，使用没有边界的背景图像）。 3.存储色调/色调/饱和度以确定任何损失/差异（可能因为捕获源与原始捕获源不同）。

虽然这与面部识别算法类似，但对于我来说，饱和度/阴影在与方向无关时很重要。

我认为使用CNN可能是步骤＃2和SVN步骤＃1的方法，任何有关培训的输入，细节都将受到赞赏。那么步骤＃3，使用BGR2HSV？目标是使用ML / AI而不是进入机器视觉。

Answer 1

  

  
1. 识别共同特征（如在10x10mm图像中任何位置都存在三角形）。如果存在，继续，否则退出。
  

从某种意义上说，你想要的是一个能够检测图像中图案的分类器。但是，我们可以训练分类器来检测图像中的某些类型的模式。

例如，我可以训练分类器来识别正方形和圆形，但是如果我向它显示一个带有三角形的图像，我不能指望它告诉我它是一个三角形，因为它以前从未见过它。缺点是，您的分类器最终会将其错误分类为知道存在的形状之一：方形或圆形。好处是，你可以防止这种情况。

  

  
1. 识别独特的图案/签名以分别识别每个图像。
  

您要做的是在大量数量的标记数据上训练分类器。如果您希望分类器检测图像中的正方形，圆形或三角形，则必须使用大量标记的正方形，圆形和三角形图像对其进行训练。

  

  
1. 存储色调/色调/饱和度以确定任何损失/差异（可能因为捕获源与原始捕获源不同）。
  

现在，您将离开简单图像标签领域并进入计算机视觉世界。这不像香草图像分类器那么简单，但它是可能的，并且有很多在线工具可以帮助您完成此操作。例如，您可以查看OpenCV。他们在python和C ++中有一个实现。

  

我认为使用CNN可能是第2步和第2步的方法   步骤＃1

您可以将步骤1和步骤2与卷积神经网络（CNN）结合使用。您不需要使用两步预测过程。但是，请注意，如果您将CNN传递给汽车的图像，它仍会将其标记为形状。你可以通过在一百万个正形状样本上训练它，以及一百万个带有“其他”类的随机其他图像的负样本来绕过这个。这样，任何不是形状的东西都会被归类为“其他”。这是一种可能性。

  

步骤＃3怎么样，使用BGR2HSV？目标是使用ML / AI而不是   进入机器视觉。

通过包含此步骤，除了进入计算机视觉之外别无选择。我不确定如何解决这个问题，但我可以保证OpenCV会为您提供一种方法。事实上，使用OpenCV，您将不再需要实现自己的CNN，因为OpenCV有自己的图像标记库。