2

这是一个研究问题，而不是直接的编程问题。

我正在研究一种符号识别算法，该软件目前所做的是，它拍摄一张图像，将其划分为轮廓（斑点）并开始将每个轮廓与预定义模板列表进行匹配。然后对于每个轮廓，它采用具有最高匹配率的轮廓。

该算法做得很好，但是我需要更好地训练它。我的意思是：我想使用一种机器学习算法来训练算法以获得更好的匹配。所以让我们举个例子：

我在一个符号上运行识别，算法将运行并发现这个符号是一辆车，然后我必须确认结果（可能通过单击“是”或“否”）算法应该从中学习。因此，如果我单击“否”，算法应该知道这不是一辆车，并且下次会有更好的结果（也许尝试匹配其他东西）。而如果我点击“是”，他会知道他是正确的，并且下次他在寻找汽车时会表现得更好。

这是我正在尝试研究的概念。我需要可以实现这类事情的文档或算法。我不是在寻找实现或编程，只是概念或研究。

我做了很多研究，阅读了很多关于机器学习、神经网络、决策树的文章……但我不知道如何在我的场景中使用任何东西。

我希望我很清楚，并且在堆栈溢出时允许此类问题。如果不是，我很抱歉

非常感谢任何帮助或提示

4

1 回答 1

5

图像识别在社区中仍然是一个挑战。您在手动单击是/否的过程中描述的只是创建标记数据。由于这是一个非常广泛的领域，我将只为您指出一些可能有用的链接。

  • 首先，您可能希望使用一些现有的图像数据库而不是创建自己的图像数据库，这样可以节省大量精力。例如，UCIC image db中的这个汽车数据集。

  • 由于您已经具备机器学习的背景，您可以查看一些与您的项目兴趣完全匹配的调查论文，例如搜索object recognition survey paper或feature extraction car在 google 中。

  • 然后你可以深入研究一些好的论文，看看它们是否适合你的项目。例如，您可以查看以下与 UCIC 图像数据库链接的两篇论文。

    • Shivani Agarwal、Aatif Awan 和 Dan Roth，学习通过基于部分的稀疏表示来检测图像中的对象。IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(11):1475-1490, 2004。
    • Shivani Agarwal 和 Dan Roth，学习对象检测的稀疏表示。在第七届欧洲计算机视觉会议论文集，第四部分，第 113-130 页，哥本哈根，丹麦，2002 年。

  • 还要检查一些已实施的软件，而不是从头开始，在你的情况下，opencv应该是一个很好的开始。

  • 对于图像识别，特征提取是最重要的步骤之一。您可能想查看社区中一些最新的算法。（SIFT、均值偏移、harr 特征等）。

  • 当您到达分类步骤时，提升算法也可能很有用。我看到很多学者在图像识别社区中提到了这一点。

  • 正如@nickbar 建议的那样，在https://stats.stackexchange.com/上讨论更多信息

于 2012-10-22T21:55:29.193 回答