C++ 目标检测：需要培训还是不需要培训？

这个问题与目标检测有关，基本上是检测任何“已知”目标。例如，假设我有以下对象

桌子

瓶子

摄像机

汽车

我将从所有这些单独的物体上拍摄4张照片。一个从左，一个从右，另外两个从上到下。我最初认为，通过每一张4张照片来识别这些物体是可能的，因为你有4个角度的照片，无论你如何看到物体，你都可以检测到它

但是我被一些人的想法弄糊涂了，他们想用每个物体上成千上万的正面和负面图像来训练引擎。我真的不认为这是必要的

所以简单地说，我的问题是，为了识别一个物体，我需要这成千上万的积极和消极的物体吗？或者仅仅从4个角度拍摄4张照片就足够了

我希望使用OpenCV来实现这一点

更新

实际上主要是这样的。。假设我有两台笔记本电脑。一个是戴尔，另一个是惠普。两者都是笔记本电脑，但你知道，它们有明显的区别，包括标志。我们能用电脑做这个吗？如果没有，那么“培训”过程的“难度”有多大？需要多少张照片

更新2

---

我需要检测“特定”对象。不是所有的车，所有的瓶子等等。例如，“马鲁蒂123型车”和“法拉利234型车”都是车，但不同。假设我有上述车型的马鲁蒂和法拉利的照片，那么我需要检测它们。我不必担心其他汽车或车辆，甚至马鲁蒂和法拉利的其他车型。但上述“马鲁蒂123型车”应标识为“马鲁蒂123型车”，上述“法拉利234型车”应标识为“法拉利234型车”。我需要多少张图片？要回答你在标题中提出的问题，如果你想确定图片中的对象是什么，你需要一个监督算法（也称为训练算法）。否则，在某些情况下，您将能够确定对象的边缘或存在，但无法确定对象的类型。为了知道对象是什么，您需要一个带标签的训练集

关于问题的内容，物体图片中可能的角度数量是无限的。如果您的训练集中只有四张图片，则测试示例的拍摄角度可能介于训练示例A和训练示例B之间，因此很难识别您的算法。训练集越大，识别目标的概率越高。小心：你永远不会达到你的算法将识别对象的绝对确定性。它只是变得更有可能。

回答：

如果要检测特定对象，而不需要考虑视点更改，则可以使用二维特征：

为了区分两个徽标，您可能需要为每个徽标构建一个检测器，该检测器将在一组图像上进行训练。例如，可以训练Haar级联分类器

为了区分不同型号的汽车，您可能需要使用每辆汽车的训练图像来训练分类器。然而，我遇到了一个应用程序，它使用最近邻方法来实现这一点——它只是从给定的测试图像中提取特征，并将其与不同车型的已知图像集进行比较

---

此外，如果您对应用程序进行更多解释，我可以推荐一些方法和包

取决于你将使用哪种算法。你知道你正在拍摄3D对象的2D照片吗？因为不同的旋转发生在三维空间，但识别必须发生在二维空间。如果可以重建3D对象，在3D空间中识别会容易得多，但这是一个很大的“如果”。@user2079303:请看我对问题的更新。@mAlters:请看我对问题的更新。@HashMap是否要检测任何瓶子/桌子/相机/汽车或一个特定的瓶子/桌子/相机/汽车？如果您想要检测的是一个特定的非变形对象，那么无需任何培训，该特定对象的几张图片就足够了。另一方面，如果你想检测一辆保时捷卡雷拉，几张福特福克斯的照片可能没有帮助；）谢谢你的回复。实际上主要是这样的。。假设我有两台笔记本电脑。一个是戴尔，另一个是惠普。两者都是笔记本电脑，但你知道，它们有明显的区别，包括标志。我们可以使用特征描述来实现这一点吗？（）如果不能，那么“培训”过程的“难度”有多大？需要多少张照片？嗨，谢谢你的回复。所以是的，正如我在问题中提到的，想象一下我已经有了“马鲁蒂123型车”和“法拉利234型车”的照片。因此，如果相机看到这个“马鲁蒂123型汽车”（实时），那么它应该能够识别它是什么。它不应该把它和法拉利混淆。我们不必考虑其他汽车。“稍后”在这个应用程序中，我可能还需要识别这辆车的门、灯等。我期待您的回复。我会尝试使用无咖啡因的功能：谢谢！这是什么？谢谢。这些建议适用于实时情况，对吗？这意味着摄像机可以看到物体并实时识别它。也许为了实时检测，你应该试试Caffe：它比衰减快