检测图像中的徽标

Question

我在这里是因为我正在从事一个项目，该项目包括识别图像中的徽标/品牌。特别是我必须对汽车轮胎的品牌进行分类。

我的应用程序现在可以获取轮胎并将其拉伸到如下所示的矩形上：

现在我必须检测品牌。我还对预处理图像尝试了多种技术（例如匹配模板，关键点检测），这是一个示例，但效果不佳：

现在，我正在尝试创建神经网络分类器，以预测图像是否包含米其林徽标。因此，我将图像划分为多个正方形，然后采用“正数”，即包含胖小矮人的正方形。

这是我的一组训练（肯定）：

这是我训练集（负数）的一部分：

我有300个正数和600个负数。

我的预测变量无法获得我需要的功能：因此它可以预测100％的肯定...

我不知道这种方法是否是最佳方法（以及预处理阶段），我认为级联分类器的性能更好，但是在此之前，我问您是否可以改善神经网络。

先谢谢大家

我的神经网络代码（我想对它进行改进）：

train_datagen = ImageDataGenerator(rescale = 1./255)
test_datagen = ImageDataGenerator(rescale = 1./255)
size = (100,100)
train_generator =  train_datagen.flow_from_directory(dir_path+'\\mydata_preproc\\train',
                                                     target_size=size,
                                                     class_mode='binary')
test_generator =  train_datagen.flow_from_directory(dir_path+'\\mydata_preproc\\test',
                                                     target_size=size,
                                                     class_mode='binary')
model = Sequential()
model.add(Conv2D(64, kernel_size=(3,3), activation='relu', padding='same',
                 input_shape=size+(3,)))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.3))
model.add(Flatten())
model.add(Dense(500,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit_generator(train_generator,
                    steps_per_epoch=20,
                    epochs=30,
                    verbose=1,
                    validation_data=test_generator)