使用tensorflow识别乐高积木？

读过一个家伙用tensorflow把Cumber分成九个不同的类，我想知道这种类型的过程是否可以应用于大量的类。我的想法是用它来识别乐高的零件

目前，一个像Bricklink这样的网站所描述的不止这些，它与cucumber的例子有点不同，但我想知道它听起来是否合适。没有简单的方法可以为每个零件获取数百张图片，但以下过程听起来可行吗：

• 为零件拍照
• 尝试使用tensorflow识别零件
• 如果无法识别正确的零件，则拍摄更多照片并将其输入神经网络
• 继续下一部分

这样，每次我们遇到新作品时，我们都会“教”网络它的参考，以便下次更好地识别它。像这样，经过数百次由人类监控的迭代之后，我们能想象tensorflow能够识别零件吗？至少是最常见的

我的问题可能听起来很愚蠢，但我不喜欢神经网络，所以欢迎任何建议。目前，我还没有找到任何方法根据图片识别乐高积木部件，这个“黄瓜示例”听起来很有希望，所以我正在寻找一些反馈

---

谢谢。

我已经开始使用IBM Watson的视觉识别。 我有六块不同的砖块要在传送带背景上识别

我实际上在考虑tensorflow，因为我可以让它在本地运行

codelab:TensorFlow for Poeters几乎准确地描述了你想要实现的目标

有关Watson版本的演示：

---

你可以读到Jacques Mattheij的作品，他实际上使用了一个定制版本的Exception1运行在

导言是

在这里，您可以阅读：

next面临的艰巨挑战是获得一套大型训练设备 足以使使用1000多个类成为可能。起初是这样 似乎是一个无法克服的问题。我不知道该怎么做 制作足够的图像，并在可接受的时间内手动标记，甚至 最乐观的计算让我工作了6个月或更长时间 全职，以便建立一个数据集，使机器能够 使用多个类别的零件，而不仅仅是几个

最后，这个解决方案至少在一个星期内一直盯着我看 在我最终得出结论之前：没关系。重要的是 大多数时候，机器都会给自己的图像贴上标签，然后是我所需要的 要做的就是改正错误。随着情况好转，将有更少的人 错误。这非常迅速地扩大了训练图像的数量。 第一天，我设法亲手给大约500个零件贴上标签。第二天 这台机器又增加了2000台，其中大约一半的机器贴错了标签。 由此产生的2500个零件将作为下一轮测试的基础 3天后进行培训，增加了4000个零件，其中90% 我们被贴上了正确的标签！所以我只需要修正400个零件，冲洗， 重复…所以，在两周结束时，有一个20K图像的数据集， 所有标签都正确

这远远不够，有些阶级的代表性严重不足 所以我需要增加这些图片的数量，也许我会 只需运行一个只包含这些零件的批次即可 机器。不需要更正，它们都会贴上标签 一模一样

最近的更新是

---

---

1

记住，你有所有零件的3d cad模型，至少你可以用它来生成培训图像Hanks Alessandro，我错过了这篇博文，他似乎说解决方案确实比Tensorflow更有效，所以我会接受这个答案，因为这似乎是最好的方法！谢谢