1

我正在制作一个程序来检测来自 r/c 平面的形状以进行比赛。我没有目标的真实图像，但我确实有计算机生成的规则示例。

我的问题是，我可以训练我的程序根据计算机生成的形状检测现实世界的对象，还是应该找到一种不同的方法来完成这项任务？

在我愚蠢地生成 5k 个样本并最终发现它们无用之前，我想知道。

编辑：我也不知道物体的确切颜色。如果我给程序提供不同颜色的样本，会不会有问题？

提前致谢！！

Edit2：这是我学校在前几年发现的群体

如您所见，检测到的图像并不像现实生活中那样完美无瑕。如果您能提出更好的方法，那将有所帮助。

4

2 回答 2

1

如果您认为真实图像将具有独特的颜色和简单的几何形状，那么您可能会尝试创建一个归一化的色调直方图。用它来训练 SVM 分类器。使用色调直方图的好处是它将是旋转和尺度不变的。

您可以牢记一些预防措施：

  • 不要忘记删除照明影响。
  • 有时，白色和黑色像素会在色调直方图计算中产生一些问题，因此请尝试通过仅考虑那些在 HSV 图像的 S 和 V 通道中具有S>0和的像素来将它们从计算中移除。V>0
于 2014-02-23T19:07:26.680 回答
0

我宁愿建议您使用真实世界的图像，因为性能在很大程度上取决于训练（我的个人经验）。为什么不尝试使用 SIFT/SURF 描述符来训练 SVM（支持向量机），因为 SIFT/SURF 是尺度和旋转不变的。

于 2014-02-23T08:55:10.177 回答