机器学习 - 如何从汽车图像推断汽车的颜色

Question

我想训练一个模型来从汽车图像中推断出汽车的颜色。让我们说，对于颜色分类，我将使用k-最近邻算法。

我们也假设：

1）我有1000张标记图像

2）我有100张图像供测试

但是，假设我设法编写了一个源代码，可以检测汽车图像中的汽车并检索其颜色。

这个源代码对训练模型有什么用处，或者因为我（手动）标记了训练图像，所以它不能以任何必要的方式使用？

Answer 1

我理解你的问题的方法是，为什么我们需要在使用图像处理技术本身解决问题时创建机器学习模型？

• 因此，如果目标太简单，想要找到图像中某个对象的颜色，在图像中找到一些不依赖于旋转和缩放，边缘检测等的模板，建议使用图像处理库。

• 但是当您的目标变得复杂时，如识别图像中的各种对象，本地化对象，基于像素的分割，视频分割等。您将需要深入学习模型。

在您的情况下，您需要检测汽车并找到它的颜色。

让我们将其分为两部分：

1）汽车检测和定位：

• 对于检测物体（汽车），您需要注意以下挑战：

  • 观点变化
  • 比例变化
  • 变形
  • 闭塞
  • 照明条件
  • 背景杂乱
  • 课内变异

如果您的测试用例没有遇到这些挑战，那么您可以很好地使用图像处理库。否则它将成为一个复杂的过程。因此，解决此问题的唯一方法是使用不同的此类图像训练模型。

2）颜色检测

• 为此，最好使用图像处理方法本身。因为对于训练，你需要在每种颜色中都有大量的图像。

希望这有帮助！