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:使用tensorflow识别乐高积木?,tensorflow,lego,Tensorflow,Lego,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“
- 为零件拍照李>
- 尝试使用tensorflow识别零件李>
- 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李>
- 继续下一部分
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