Machine learning 图像识别与唯一性检测
我是AI/ML新手,正在尝试使用AI/ML解决以下问题。 我有一组(定制)图像,这些图像虽然具有共同特征,但也具有独特的图案/签名和颜色值。我应该使用哪一组算法以以下方式获得通行证: 1.识别共同特征(如10x10mm图像中任意位置存在三角形)。如果存在,则继续,否则退出。 2.识别唯一的图案/签名,以单独识别每个图像。图案/签名可以是形状(人眼可见或隐藏,就像使用无边界背景图像的叠加形状一样)。 3.存储色调/色调/饱和度以确定任何损失/差异(可能是因为捕获源与原始源不同) 虽然这在某种程度上类似于人脸识别算法,但对我来说,饱和度/阴影在与方向无关的情况下很重要 我认为使用CNN可能是第2步的方法,SVN可能是第1步的方法,任何关于培训的意见,细节都将受到欢迎。第三步,使用BGR2HSV怎么样?目标是使用ML/AI,而不是进入机器视觉Machine learning 图像识别与唯一性检测,machine-learning,computer-vision,artificial-intelligence,Machine Learning,Computer Vision,Artificial Intelligence,我是AI/ML新手,正在尝试使用AI/ML解决以下问题。 我有一组(定制)图像,这些图像虽然具有共同特征,但也具有独特的图案/签名和颜色值。我应该使用哪一组算法以以下方式获得通行证: 1.识别共同特征(如10x10mm图像中任意位置存在三角形)。如果存在,则继续,否则退出。 2.识别唯一的图案/签名,以单独识别每个图像。图案/签名可以是形状(人眼可见或隐藏,就像使用无边界背景图像的叠加形状一样)。 3.存储色调/色调/饱和度以确定任何损失/差异(可能是因为捕获源与原始源不同) 虽然这在某种程度上
有了这一步,除了进入计算机视觉,别无选择。我不确定该怎么做,但我可以保证OpenCV将为您提供一种方法。事实上,使用OpenCV,您将不再需要实现自己的CNN,因为OpenCV有自己的图像标签库。但是为什么
的目标是使用ML/AI而不是进入机器视觉。
?因为模式是随机的,从精确的角度来看,这在编程上很难实现。老实说,机器视觉(erm,计算机视觉)基本上是CNN的荣耀。@Coldspeed,所以你建议我留在CNN。与使用SVN相比,上述任何一步都会有过大的杀伤力吗?@KoushikB。我想你是说SVM。不,我认为这一点也不过分。CNNs在基于图像的ML问题上胜过支持向量机。谢谢。我们不知道OpenCV有自己的图像标签库。关于第2步,我们的想法是找到唯一性,类似于一旦我们知道每一张脸是一张脸,就以不同的方式识别每一张脸。我试图实现的唯一缺点是,我无法使用多个样本来训练它,而只能使用一个样本。这是否意味着它超出了ML的范围,进入了计算机视觉的世界?@KoushikB。对这是一个独立的计算机视觉框架。我已经完全切换到OpenCV(首先是Java,现在完全是C++)进行所有处理。你的回答确实有助于确定方向。