Image processing 图像属性提取

我正在做一个计算机视觉的项目，我需要一些帮助。 我的项目的目标是提取任何对象的属性-例如，如果我有一双Nike running鞋，我首先应该能够确定它是一双鞋，然后确定它是一双Nike鞋而不是阿迪达斯鞋（可能是因为Nike tick）然后找出它是跑鞋而不是足球鞋钉

我首先将其视为一个图像分类问题，并使用以下步骤：

我采集了鞋子、高跟鞋、手表等的训练样本（每个样本约60个），并使用密集筛选提取了它们的特征

使用k-means聚类创建词汇表（任意选择词汇表大小为600）

为图像创建一包文字表示

训练SVM分类器，以获得每个类别（鞋子、鞋跟、手表）的一袋单词（特征向量）

为了进行测试，我提取了测试图像的特征向量，并从已经创建的词汇表中找到了它的单词包表示

我将测试图像中的单词包与每个类的单词包进行比较，并返回最匹配的类

我想知道我应该如何从这里开始？使用D-SIFT进行特征提取是否可以帮助我识别属性，因为它只表示某些点周围的梯度

有时，我的分类会出错，例如，如果我用左鞋和手表的图像训练分类器，那么右鞋就被分类为手表。我知道我必须在我的训练集中包括正确的鞋子来解决这个问题，但是有没有其他的方法我应该遵循

还有什么方法可以理解形状吗？例如，如果我对手表分类器进行了训练，并且训练集中有带圆形和矩形刻度盘的手表，我可以识别任何新测试图像的形状吗？或者我只是简单地把它分别训练成圆形和矩形表盘的手表？

---

谢谢

您是否尝试过使用OpenCV训练Haar cascade？嗨，我听说过Haar cascades，但Haar功能不是特定于人脸检测的吗？如果数据良好，您应该能够训练它们检测任何东西。不过，训练它可能需要一段时间。好的，我对Haar级联做了一些进一步的研究，发现它主要用于目标检测，而不是分类。还有什么我能做的吗？ThanksI主要是建议帮助你解决第二部分手表和鞋子的问题，并且“首先要弄清楚这是一只鞋”。至于会徽，我想筛和冲浪应该可以。我认为你不应该用CV和ML来区分不同类型的鞋子。写一些看起来像底部的东西。如果是颠簸的，那就是夹板。我会保持简单。