Image 图像识别-对图像中的图像进行分类(即根据周围对象对对象进行分类)?
我对图像分类是个新手,所以这是一个有点高层次的问题。我想知道是否有可能训练一个图像分类器(即只使用TF/Keras或许多图像识别库和api中的一个)来识别对象是否在对象中。例如: ……等等Image 图像识别-对图像中的图像进行分类(即根据周围对象对对象进行分类)?,image,image-processing,computer-vision,Image,Image Processing,Computer Vision,我对图像分类是个新手,所以这是一个有点高层次的问题。我想知道是否有可能训练一个图像分类器(即只使用TF/Keras或许多图像识别库和api中的一个)来识别对象是否在对象中。例如: ……等等 如果可能的话,最好的方法是什么?我是否必须训练模型,以逐个示例识别所有变化(这是不利的,因为有太多的潜在示例),还是有更好的方法?谢谢:)你可以使用更简单的计算机视觉技术,而不是机器学习。 例如,如果使用OpenCV,它有一个名为FindConteurs的内置函数,该函数返回层次结构 例如: 上面
如果可能的话,最好的方法是什么?我是否必须训练模型,以逐个示例识别所有变化(这是不利的,因为有太多的潜在示例),还是有更好的方法?谢谢:)你可以使用更简单的计算机视觉技术,而不是机器学习。 例如,如果使用OpenCV,它有一个名为FindConteurs的内置函数,该函数返回层次结构 例如: 上面的矩阵显示了每个形状是如何相互关联的- [下一个、上一个、第一个子女、父母]
例如,等高线2和4(圆形和矩形)位于同一标高。因此,在矩阵中,第二行的下一行是4。您可以像这样构造一棵树,以获得所需的输出。您只需确保单个形状的内部轮廓和外部轮廓不被计算为两个独立的轮廓,我在这里没有这样做,因此输出中显示了5,7。谢谢,令人惊讶的详细答案(如果可以,请向上投票:))我一直在阅读轮廓,显然它最适合黑白图像,我想知道你们在canny边缘检测中使用了什么参数来获得如此清晰的线条?这不是canny边缘。基于灰度值的简单阈值将起作用。即使您有彩色图像,也要将其转换为灰度。如果有帮助的话,你可以接受这个答案