使用计算机视觉的方案中的符号检测

Question

我正在尝试检测电气方案中的电气符号。 在这里我认为可以使用两种方法：

• 使用 OpenCV 的经典方式，我尝试使用 opencv 和 python 重新识别形状，但有些符号太复杂了
• 深度学习方式：我尝试使用 Mask-RCNN 使用手工制作的符号数据集，但没有什么能真正成功

这是我想做的一个非常简单的例子：

我认为制作符号数据集可能很容易，但所有符号都是相同的形式，并且不会表示图像的上下文。

你认为我可以如何处理这个问题？

Answer 1

QATM:Quality-Aware Template Matching For Deep Learning 可能正是您所寻找的。​​p>

原论文：https://arxiv.org/abs/1903.07254

以下 github 包含一个带有电气方案的示例： https://github.com/kamata1729/QATM_pytorch

Answer 2

由于电气方案的组件总是相同的，我会先尝试使用 OpenCV 进行模板匹配。我想您将不得不剪切组件并制作旋转副本才能找到所有组件。如果图像的分辨率更好，那就太好了。

下一个想法，我想说的是使用内核进行卷积，这基本上是您期望在图像中出现的组件。

最后，一个想法，它肯定会给你更多确定的结果，但它有点矫枉过正，是使用谷歌图像识别，你可以使用 python 并在你的图像上训练它

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_template_matching/py_template_matching.html