Machine learning 未知环境下已知图像的图像识别
想象一下，我有一个包含10000张详细图像（例如照片）的图像数据库，我想在另一个环境中识别它们，例如在墙上装框，或者作为公共汽车站的海报，所以不是确切的图像，而是打印出来，然后可能会有眩光，或者以不同的角度，在另一个图像中 我可以在不同的设置下（挂在墙上，在公共汽车站）制作一个图像的训练集，但是我有太多的图像，无法为每个图像手动执行此操作 我可以想到一种方法，我创建一个计算机程序，在不同的位置插入一个图像，并将其用作训练集（例如，10000个图像乘以X个位置/设置），但这将是一个非常大的训练集Machine learning 未知环境下已知图像的图像识别,machine-learning,computer-vision,image-recognition,Machine Learning,Computer Vision,Image Recognition,想象一下，我有一个包含10000张详细图像（例如照片）的图像数据库，我想在另一个环境中识别它们，例如在墙上装框，或者作为公共汽车站的海报，所以不是确切的图像，而是打印出来，然后可能会有眩光，或者以不同的角度，在另一个图像中 我可以在不同的设置下（挂在墙上，在公共汽车站）制作一个图像的训练集，但是我有太多的图像，无法为每个图像手动执行此操作 我可以想到一种方法，我创建一个计算机程序，在不同的位置插入一个图像，并将其用作训练集（例如，10000个图像乘以X个位置/设置），但这将是一个非常大的训练集
在没有针对每个图像的特定训练集的情况下，是否还有其他方法可以做到这一点？理想情况下，一旦对模型进行训练，我可以给它图像10001，它将在各种设置下识别它。这通常是通过基于特征的方法完成的，如SIFT、SURF等。这些方法创建的图像描述符对各种失真非常鲁棒，不需要训练 但是请注意，对于10K图像，里程可能会有所不同。
结果取决于看不见图像的分辨率、每幅10K图像中实际图像特征的数量以及它们之间的相似程度