C# 识别子图像

我有一个非常简单的任务：目标是检测另一个图像中的图像模式。特别是，我必须以尽可能低的错误率从扫描仪获取的图片中识别盒式药物滥用测试的正确一面。我正在使用一个带有C#的org.NET库

DOA测试图片：

正在进行的测试图片：

磁带表面非常相似，但第一个（A侧）有3条掺杂带（带彩色区域），另一个只有滥用药物带（B侧）

为了确保识别A面，我尝试了混合不同的方法，例如颜色匹配和模板匹配，但目前我在Forge.NET上的测试没有产生预期的结果，因为输入图像的可变性

---

你有什么建议吗？

使用卷积神经网络。对于传统的图像处理，几乎没有什么可以做到错误率如此之低

---

要应用此方法，请收集每一面的尽可能多的图像（最好是一千或更多；一百张可能不够，理想的情况是一万张），并制作一个文本文件，其中包含文件名和标签，说明它们来自哪一面（正面为0，背面为1）。然后，取出一个现成的包，如或，并在此数据集上对其进行训练。您可以使用几乎任何网络模型，但Caffe中的CaffeNet将很好地工作，请遵循以下步骤为您的应用程序重新培训一个经过充分培训的CaffeNet（这比从头开始容易，并且可以使用较少的数据）。首先，可能最简单的方法是启动Caffe预先安装的AWS实例，如。考虑到数据的性质，我认为你很容易得到建议：不要低估任务的难度；）@WillemvanRumpt——当我读到《简单》的时候，我真的笑了出来。它并不是超硬的（就像在任何图像中认出任何一只猫一样）。这是一个定义明确的问题，有一组已知的输入，没有那么多的变化。这是一个二维问题。这些颜色都很清晰。当然是可行的。@RobAu:这就是为什么我只是建议不要低估任务，并且不考虑难度的限制。超硬？不，简单吗？不，可能取决于程序员。显然，这张海报并不简单。谢谢大家的建议，其实这根本不是一件小事。不幸的是，媒体无法以任何方式进行修改。如何解决这个问题？我在谷歌上搜索它，看起来非常高效，但实现起来很复杂。“训练”步骤呢？@mdoneda：我补充了更多关于如何应用神经网络的细节，请看一看。