使用opencv提取前景答案

【问题标题】：Foreground extraction using opencv使用opencv提取前景
【发布时间】：2023-03-09 03:25:01
【问题描述】：

我正在处理一个数据集（培训 + 测试），其中包含具有不同背景的不同购物车项目（例如：饼干、肥皂等），我需要预测所有测试图像的产品 ID（产品 ID 是每个产品都是独一无二的，假设 Good-day 10 rs 的产品 ID 为 1，依此类推......对于不同的产品）

我的方法是：

1) 从图像中提取前景。

2) 应用 sift/surf 算法来寻找匹配的关键点（或）训练更快的 RCNN...

我正在考虑构建一个 Haar Cascade 分类器，任何人都可以在 python 中为这种场景提出一种简单的前景提取算法吗？

【问题讨论】：

您能否对数据集进行更详细的说明？也许分享一个示例图像？
实际情况是，我有前景提取的图像进行训练，但需要预测产品 id 以在实时场景中测试图像（背景可以是任何东西）
你需要这个操作实时工作吗？
测试图片由单个产品和一些随机背景组成..（测试图片尚未提供，因此无法分享）
是（实时）

标签： opencv3.0 background-foreground

【解决方案1】：

出于实时目的，我不推荐使用 RCNN 模型，因为它们不是为实时而构建的，而是为精确而构建的。 Sift 或 surf 可以识别场景，但如果对象以某种方式变形，它们很容易失败。 Haar 级联似乎是一个很好的解决方案。我还建议查看Yolo 或SSD models，因为它们可以通过迁移学习轻松训练，并且在实时对象分类方面非常成功。 Opencv 也有一个 DNN 模块来运行这些类型的神经网络。

【讨论】：