Opencv ENCOG（或任何框架）中的图像分类示例？ 我需要从摄像机中分类图像，要考虑的主要特征是： 对象形式（基本形状，如三角形、正方形等） 物体颜色 少量变形

我已经在使用opencv进行形状识别工作，如下所示：

我的目标是，如果我在摄像机前展示一个小的或大的正方形，它会识别出它是一个正方形的颜色“..”，如果我展示一张有耳/变形的纸（正方形或三角形），它会识别出这个形状是一个三角形的颜色“..”

我正在搜索如何使用Encog进行图像分类，但我发现的是使用定量属性进行分类，例如，度量（长度、宽度），而不是形状形式

encog示例是（可在Pluralsight中获得）

在本示例中，培训数据如下所示：

Sepal Length    Sepal Width Petal Length    Petal Width Species
5.1             3.5         1.4             0.2         setosa
4.9             3.0         1.4             0.2         setosa
4.7             3.2         1.3             0.2         setosa
7.0             3.2         4.7             1.4         versicolor
6.4             3.2         4.5             1.5         versicolor
6.9             3.1         4.9             1.5         versicolor
6.3             3.3         6.0             2.5         virginica
5.8             2.7         5.1             1.9         virginica
7.1             3.0         5.9             2.1         virginica

在我的例子中，训练数据将是像素（encog的mat类型），也是我的评估数据

如何规范化编码训练数据的像素

我需要一些线索，教程。 非常感谢。

简短回答： 从纯技术的角度来看，您需要将图像的子采样为大约100x100像素，转换为灰度（用于形状识别），将所有像素转换为单个向量，并将最大整像素值规格化为1.0（例如，如果像素值在[0..255]范围内，则将所有像素除以255）。对于彩色图像，通常创建三个向量，每个通道一个（RGB），以相同的方式对它们进行规格化，连接并输入至少有一个隐藏层的神经网络（MLP）分类器。这与您提供的简单示例非常相似，只是使用了更多的数据

详细回答：以上可能是使用EncG可以做的最好的事情，如果有足够的样本和充足的CPU/GPU资源，这应该适合您的任务。然而，图像识别目前是一个开放的问题，没有一种通用的方法可以解决所有问题。目前大多数工作都是用卷积神经网络（EnCOG不支持）来完成的，并且有很多重要的事情要考虑，所以你可能需要阅读一些经典的图像恢复论文来获得一些重要的想法。如果你需要理论方面的帮助，我想最好问你的问题，因为这样的理论和教程是我所知的SO范围之外的