什么是最合适的分类法律文件图片的分类算法？

Question

我在一个以上的国家有一套文件，如（标识符，驾驶执照和护照等），所以我需要在课堂上对它们进行分类，然后我可以对任何新文件进行分类 - 不在我的设置中 - 在班上。

文件可能会轮换或转移或两者兼而有之。 来自同一类的两个文档的文档颜色可能不完全相同。

这样做的最佳算法是什么？

Answer 1

问题不在于选择哪种分类算法，而是要了解分类问题中的所有相关隐藏维度。一旦理解了所涉及的所有维度，就可以使用任何一种分类算法来实现您想要的目标。

Answer 2

正如其他人所说，这不是一个真正的分类问题。此外，由于您有可能旋转，倾斜等物品，您应该对图像执行某种物体检测/特征分析。

我建议调查perceptual hashing或Speeded Up Robust Features (SURF)（后者更多，如果你正在处理大量的旋转/倾斜）。也就是说，我将图像分解为非识别区域（例如，您将消除具有用户信息的区域或其照片），专注于具有大量匹配特征点的区域。

使用在特定ID类的所有实例中保持一致的区域，以便您的匹配分数更高，然后获取您比较的所有部分的聚合以执行分类。

Answer 3

有几十种甚至数百种分类算法 - 基本上你正在寻找的是聚类。

http://en.wikipedia.org/wiki/Cluster_analysis

为了完成这项工作，您将不得不分析文档并将其归结为几个关键数字。这不一定非常适合群集工作。

因此，进行某种规范化（旋转所有文档以使文本处于水平状态）可能会很好，但也许不是。例如，如果关键分类号基于整体颜色 - 对于任何旋转都是相同的。