目标检测:培训是否需要培训？
这个问题涉及到对象检测，基本上是检测任何“已知”对象。举个例子，假设我有下面的对象。
- 表格
- 瓶。
- 摄像头
- 小汽车
我将从所有这些单独的物体上拍摄4张照片。一个从左，另一个从右，另外两个从上到下。我最初以为每一张4张照片就能识别出这些物体，因为无论你如何看待这个物体，你都可以从所有的4个角度看到这些照片。
但是我被一些人关于训练引擎的想法搞糊涂了，每个物体都有数以千计的正面和负面图像。我真的不认为这是必需的。
所以简单地说，我的问题是，为了识别一个物体，我需要成千上万的正负物体吗？或者仅仅从4个角度看4张照片就足够了？
我希望在这方面使用OpenCV。
更新
事实上，主要的事情是这样的..。想象一下我有两台笔记本电脑。一个是戴尔，另一个是惠普。两者都是笔记本电脑，但你知道，它们有明显的区别，包括Logo。我们能用特征描述做这件事吗？如果不是，“训练”过程有多“难”？需要多少张照片？
更新2我需要检测“特定”对象。并不是所有的汽车，所有的瓶子等等，例如，"Maruti汽车型号123“和”法拉利汽车型号234“都是汽车，但不同。想象一下，我有上面提到的马鲁蒂和法拉利的照片，然后我需要检测他们。我不需要担心其他的汽车或车辆，甚至其他型号的马鲁蒂和法拉利。但上述"Maruti Car Model 123“应识别为"Maruti Car Model 123”，上面提到的“法拉利轿车型号234”应识别为“法拉利汽车型号234”。我需要多少张照片？
回答 2
Stack Overflow用户
发布于 2014-05-06 17:05:03
答案：
- 如果您希望检测特定对象，并且不需要考虑视图的更改，则可以使用2D功能：homography.html
- 为了区分两个徽标，您可能需要为每个徽标构建一个检测器，该检测器将在一组图像上进行培训。例如，您可以训练一个Haar级联分类器。
- 为了区分不同类型的汽车，您可能需要使用每辆车的训练图像来训练分类器。然而，我遇到了一个使用最近邻方法的应用程序--它只是从给定的测试图像中提取特征，并将其与一组不同车型的图像进行比较。
此外，我可以推荐一些方法和包，如果您要解释更多关于应用程序的内容。
Stack Overflow用户
发布于 2014-05-06 09:43:29
要回答标题中提出的问题，如果您希望能够确定图片中的对象是什么，则需要有监督的算法(即。培训)。否则，您将能够确定，在某些情况下，边缘或对象的存在，但不能确定它是什么样的对象。为了知道目标是什么，您需要一个标记的培训集。
关于问题的内容，物体图片中的可能角度数是无限的。如果您的训练集中只有四张图片，测试示例可以从训练示例A到训练示例B中间的一个角度拍摄，这使您的算法难以识别。训练集越大，识别目标的概率越高。要小心:您永远无法确定您的算法将识别对象。只是变得更有可能了。
https://stackoverflow.com/questions/23490787
复制相似问题
腾讯云开发者
