如何使用深度学习对两个非常相似的图像进行分类？答案

【问题标题】：How to classify two very similar images using Deep Learning?如何使用深度学习对两个非常相似的图像进行分类？
【发布时间】：2021-08-15 06:17:11
【问题描述】：

我有一个场景，我必须对从静止的闭路电视摄像机拍摄的两张图像进行分类，这两个图像非常相似，除了我必须检测技术人员是否在机器上工作的中心区域。

没有技术人员：

技术人员：

我希望分类器专注于中心区域。

我可以找到可以对“猫与狗”或“石头剪刀布”这类图像进行分类的架构 (Rock Papers Scissors on Colab)。由于图像中的许多区域都是相同的，我该如何指定模型应该关注的区域。

【问题讨论】：

【解决方案1】：

如果您想关注技术人员而不是整个图像上下文，只需使用对象检测器。

物体检测模型：

https://github.com/pjreddie/darknet

【讨论】：

嗨扎比尔..感谢您的帮助！目标是检测机器是否有人看管。服务员可以每天更换衣服。我想检查这个人是否面对机器。如果他背对着机器站着..在这种情况下，机器没有被看管..我需要检查一下..我想你的解决方案只会帮助我检测到图像中的人..你的意见是什么这个
你的问题描述的很具体，但是无论如何，分类肯定不是办法。您可能需要使用姿势估计来估计人的站立方式。

【解决方案2】：

您可以使用 labelImg (https://github.com/tzutalin/labelImg) 之类的工具来构建图像训练集 - 您可以创建一个集来区分“已占用区域”和“未占用区域”。不过，这可能容易受到该地区变化的影响。

另一种方法是对人进行训练（意思是，在 labelImg 中，您将边界框放在人周围），然后您解释分类器的输出，使得人的概率必须高于阈值才能表示存在。

【讨论】：