Computer vision 通过一个对象上的不同特征快速区分相似对象的方法

Computer vision 通过一个对象上的不同特征快速区分相似对象的方法,computer-vision,classification,object-detection,haar-classifier,Computer Vision,Classification,Object Detection,Haar Classifier,我制作了一个分类器(基于HoG特征),可以识别大型车辆(公共汽车和卡车)。但我也希望能够区分公共汽车和卡车。这会导致问题,因为两辆车都又大又长。 以下是我的培训数据中的一个示例: 正如您所看到的,这是一辆卡车和一辆公共汽车,从相同的角度来看,但分类器并不认为它们不同 考虑到我已经构建了分类器,是否有一种简单的方法(无需重建现有的分类器)可以添加作为区分卡车和公共汽车的第二阶段 我一直在考虑如何进行SIFT特征匹配。。。抓住前面突出的卡车头。但我以前从未使用过,也不确定它是否适用于这里。我知道

我制作了一个分类器(基于HoG特征),可以识别大型车辆(公共汽车和卡车)。但我也希望能够区分公共汽车和卡车。这会导致问题,因为两辆车都又大又长。 以下是我的培训数据中的一个示例:

正如您所看到的,这是一辆卡车和一辆公共汽车,从相同的角度来看,但分类器并不认为它们不同

考虑到我已经构建了分类器,是否有一种简单的方法(无需重建现有的分类器)可以添加作为区分卡车和公共汽车的第二阶段


我一直在考虑如何进行SIFT特征匹配。。。抓住前面突出的卡车头。但我以前从未使用过,也不确定它是否适用于这里。

我知道您当前的探测器试图将公共汽车和卡车与其他物体区分开来。假设它与其他对象有很大的不同,并且在公共汽车和卡车之间存在不同的问题,那么可以在其上添加一个专门的分类器

考虑到第一个分类器,第二个分类器的目标应该是区分公共汽车和卡车。 因此,你应该训练它的实体,第一个分类器认为是卡车或公共汽车(忽略总线和卡车没有被第一个分类器识别)。 给定样本,使用其真实分类作为概念(而不是第一个分类器的预测)。 通过这样做,您可以强制第二个分类器关注公交车和卡车之间的边界。在此边界中,尺寸等特征变得不相关,因为公共汽车和卡车都很大,因此分类器将被迫寻找其他相关特征

之后,您将组合分类器,如果第一个分类器将输出总线或卡车,则应返回第二个分类器的结果


这项技术实际上是一个特例,在精神上接近Schapire算法,从

你有多少每类图像(即多少辆卡车/汽车等)?你尝试过图像增强吗?为什么不使用卷积神经网络(CNN)?这些问题对于他们来说很容易解决(特别是对于不同类型的数据扩充)