我想像下面的视频一样创建阀门检测和分类：https://www.youtube.com/watch?v=VY92fqmSdfA 来检测阀门的打开和关闭和中间位置。
我已经进行了一些研究，并且找到了解决此问题的方法，但是我有一些条件可以解决此问题：
条件1：在应用程序中使用机器学习，我不能使用简单的方法，例如模板匹配，...
条件2：使用小型数据库（每类最少10张图像，每类最多40张图像）
条件3：：如果摄像机位置发生变化，则检测阀门的位置，因此我不能仅使用颜色来检测阀门的手柄。
我想使用HOG（直方图梯度）+ SVM / ANN，但HOG需要大量图像来训练SVM / ANN。
我不知道我是否可以解决此问题？
答案 0 :(得分：0)
我们知道，机器学习方法要正常工作，最重要的是数据。因此，我想说您的第一个条件和第二个条件相互冲突。此外，您的第三个条件使问题更加复杂。您可以解决它，包括来自不同角度和光照条件的更多数据。但同样，它与条件2冲突。
即使如此，如果您想遵循ML路径，我建议您使用预先训练的模型，强大的数据增强功能，也许还可以使用一组模型来帮助提高检测率。由于问题并不难解决，因此应该可以解决。
祝你好运。