图像识别和唯一性检测答案

【问题标题】：Image recognition and Uniqueness detection图像识别和唯一性检测
【发布时间】：2017-11-20 01:26:57
【问题描述】：

我是 AI/ML 的新手，我正在尝试使用它来解决以下问题。我有一组（自定义）图像，它们虽然具有共同特征，但也将具有独特的图案/签名和颜色值。我应该使用哪组算法以下列方式通过： 1. 识别共同特征（例如在 10x10mm 图像中的任何位置都存在三角形）。如果存在，则继续，否则退出。 2. 识别独特的图案/签名以单独识别每个图像。图案/签名可以是形状（人眼可见或隐藏，如使用无边界背景图像的覆盖形状）。 3. 存储色调/色调/饱和度以确定任何损失/差异（可能是因为捕获源与原始源不同）。

虽然这类似于人脸识别算法，但对我而言，饱和度/阴影在与方向无关的情况下很重要。

我认为使用 CNN 可能是第 2 步和第 1 步使用 SVN 的方法，任何关于训练的输入，细节将不胜感激。那么步骤#3，使用 BGR2HSV 呢？目标是使用 ML/AI 而不是机器视觉。

【问题讨论】：

但是为什么objective is to use ML/AI and not get into machine-vision. ？
因为模式将是随机的，从精确的角度来看，这在编程上很难实现。
老实说，机器视觉（呃，计算机视觉）基本上是美化的 CNN。
@Coldspeed 所以你建议我留在 CNN。与使用 SVN 相比，上面列出的任何步骤都会是矫枉过正吗？
@KoushikB。我想你的意思是SVM。不，我不相信这至少是矫枉过正。在基于图像的机器学习问题中，CNN 优于 SVM。

标签： machine-learning computer-vision artificial-intelligence

【解决方案1】：

识别共同特征（例如在 10x10mm 图像中的任何位置存在三角形）。如果存在，则继续，否则退出。

从某种意义上说，您需要的是一个可以检测图像中模式的分类器。但是，我们可以训练分类器来检测图像中的某些类型的模式。

例如，我可以训练一个分类器来识别正方形和圆形，但是如果我向它展示一个包含三角形的图像，我不能指望它会告诉我这是一个三角形，因为它以前从未见过它。不利的一面是，您的分类器最终会将其误分类为它知道存在的形状之一：正方形或圆形。好处是，您可以防止这种情况发生。

识别独特的图案/签名以单独识别每个图像。

您要做的是在大量标记数据上训练分类器。如果要让分类器检测图像中的正方形、圆形或三角形，则必须使用大量正方形、圆形和三角形的标记图像对其进行训练。

存储色调/色调/饱和度以确定任何损失/差异（可能是因为捕获源与原始源不同）。

现在，您将离开简单的图像标记领域，进入计算机视觉领域。这不像普通图像分类器那么简单，但它是可能的，并且有很多在线工具可以帮助您做到这一点。例如，您可以查看OpenCV。他们在 python 和 C++ 中有一个实现。

我认为使用 CNN 可能是第 2 步和 SVN 的方法步骤#1

您可以将第 1 步和第 2 步与卷积神经网络 (CNN) 结合使用。您不需要使用两步预测过程。但是，请注意，如果您向 CNN 传递汽车图像，它仍会将其标记为形状。您可以再次通过对一百万个形状的正样本和一百万个具有“其他”类的随机其他图像的负样本进行训练来规避这一点。这样，任何不是形状的东西都会被归类为“其他”。这是一种可能性。

步骤#3，使用 BGR2HSV 怎么样？目标是使用 ML/AI，而不是进入机器视觉领域。

有了这一步，除了进入计算机视觉之外别无选择。我不确定该怎么做，但我可以保证 OpenCV 会为您提供一种方法来做到这一点。事实上，使用 OpenCV，您将不再需要实现自己的 CNN，因为 OpenCV 有自己的图像标注库。

【讨论】：

谢谢。不知道 OpenCV 有自己的图像标签库。
关于第 2 步，其想法是找到唯一性，类似的东西可以在我们知道每张脸是一张脸后以不同方式识别它。我试图完成的唯一缺点是我不能用很多样本来训练它，而只能用一个样本来训练。这是否意味着它已经超出了 ML 的范围，进入了计算机视觉的世界？
@KoushikB。是的。它是一个独立的计算机视觉框架。
我已完全切换到 OpenCV（首先使用 Java，现在完全使用 C++）进行所有处理。您的回答确实有助于制定方向。