C++ 使用机器学习和小型数据库进行分类

我想创建一个阀门检测和分类，如以下视频： 检测阀门的开启、关闭和中间位置

我做了一些研究，找到了一些解决这个问题的方法，但我有一些条件来解决这个问题：

条件1：在应用程序中使用机器学习，我不能使用简单的方法，如模板匹配

条件2：使用一个小型数据库，按类别至少10张图像，按类别最多40张图像

条件3：如果摄像头位置发生变化，则检测阀门的位置，因此我不能仅使用颜色来检测阀门手柄

我想使用HOG直方图导向梯度+SVM/ANN，但是HOG需要很多图像来训练SVM/ANN

---

我不知道在这种情况下是否可以解决这个问题？

正如我们所知，ML方法需要正确工作的最重要的事情是数据。所以，我认为你的第一个和第二个条件是相互冲突的。此外，您的第三个条件增加了问题的复杂性。您可以通过包含来自不同角度和照明条件的更多数据来解决此问题。但同样，它与条件2相冲突

即便如此，如果您想遵循ML路径，我建议您使用预先训练的模型、强大的数据扩充，或者使用一组模型来帮助提高检测率。由于问题不是那么难，它应该有效

---

祝你好运。

找到一个适用于你的应用程序的特征描述符，一定要使用SVM而不是NN。如果你选择好你的训练特征，支持向量机即使在训练集很小的情况下也能很好地工作。