使用机器学习和小型数据库进行分类

Question

我想像这个视频一样创建一个阀门检测和分类：https://www.youtube.com/watch?v=VY92fqmSdfA 检测阀门的打开和关闭和中间位置。

我做了一些研究，找到了一些解决这个问题的方法，但是我有一些条件可以解决这个问题：

条件一：在应用中使用机器学习，我不能使用模板匹配等简单的方法，...

条件2：使用小型数据库（分类最少10张，分类最多40张）

条件3：如果摄像头位置发生变化，检测阀门的位置，所以我不能只用颜色来检测阀门手柄。

我想使用 HOG（面向直方图的梯度）+ SVM/ANN，但 HOG 需要大量图像来训练 SVM/ANN。

我不知道在这种情况下我是否可以解决这个问题？

Answer 1

众所周知，ML 方法需要正常工作的最重要的东西是数据。所以，我会说你的第一个和第二个条件是相互冲突的。此外，您的第三个条件增加了问题的复杂性。您可以解决它，包括来自不同角度和照明条件的更多数据。但同样，它与条件 2 冲突。

即便如此，如果您想遵循 ML 路径，我建议您使用预训练模型、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，它应该可以解决。