봉인 새끼 탐지에는 어떤 종류의 기술자를 사용해야합니까?

Question

나는 해변에서 찍은 공중 이미지에서 새끼 새끼 (동물)를 발견하고 카운트하는 프로젝트를 가지고있다. 봉인 새끼는 갈색이거나 큰 성인 인감에 비해 검은 색과 작습니다.

일부 시일 새끼는 중첩되거나 부분적으로 폐색됩니다. 해변 색은 노란색이지만 검정색 바위가있어 탐지가 어려워집니다.

내 프로젝트에는 어떤 종류의 설명자가 가장 적합합니까? 돼지, SIFT, 하얼 같은 특징?

이 문제의 이론 부분을 묻습니다. 내 프로젝트를 구현하는 첫 번째 단계는 객체를 가장 잘 나타낼 수있는 올바른 설명자를 선택해야한다고 생각합니다. (필요하지 않은 몇 가지 약한 기능을 결합해야합니다.) 부스트/SVM/neural_network와 같은 기계 학습 방법을 사용하여 분류자를 훈련 시키십시오. ?

샘플 이미지 : 당신이 아기 물개는 쉽게 모습을 가르 칠 수 있기 때문에

Answer 1

아주 확실하지, 당신은, 포식자 알고리즘을 살펴 가지고 시도 할 수 있습니다. youtube video, description and link here

Answer 2

올바른 설명자를 선택하는 것이 올바른 장소라는 데 동의하지 않습니다. 근본적인 문제는 모든 물체가 모양이 비슷하다는 것입니다. 또한 각 동물마다 상당한 구배가 있습니다. 포즈의 복잡성은 또 다른 문제입니다. 문제를 두 가지 더 간단한 단계로 나눌 수 있습니다. 1. 고유 한 개체 감지 (가장자리 감지, 유역, graph cut 등). "혈구 계산"문제 같은 것. 2. 색상 및 영역을 기반으로 한 객체 분류 (카메라 퍼스펙티브로 표준화). "노란색"컬러 픽셀과 "검은"컬러 픽셀의 분수를 각 객체에서 계산하고 객체 크기와 함께이 값을 객체 분류 자의 입력으로 사용합니다 (신경망은 여기에 재미있는 해결책입니다).

상당히 어수선한 장면이므로 이러한 두 알고리즘 모두 미세 조정이 필요합니다. 요구 사항에 따라 분석가와의 상호 작용이 어느 정도 허용되면 분석가가 알고리즘의 각 임계 값을 조정할 수 있도록 슬라이더를 제공하십시오.

Answer 3

컴퓨터 비전 알고리즘의 정확도는 특정 문제를 미세 조정할 수있는 능력에 크게 의존하는 것으로 보입니다. 당신이 당신의 알고리즘을 건네주는 그림에 대해 가정을 할 수 있다면, 그것들 모두가 비슷한 해변 경관에있는 도장의 공중 상 (aerial image)이라는 사실처럼, 당신은 그것을 활용할 수 있습니다. 지역 기능이 너무 좋아지기 전에 유역 분할과 같은 것을 시도하고 비 배경 세그먼트 수를 계산할 수 있습니다. Watershed는 "배경"과 "전경"세그먼트를 구별하기 위해 입력에 대한 사전 지식을 통합하기위한 "마커"라는 편리한 프레임 워크를 제공합니다.

이와 같은 접근 방식은 로컬 기능보다 쉽고 정확할 수도 있습니다. 내 경험상 SIFT 및 SURF 기능을 사용하여 유기적 인 주제 (예 : 얼굴 또는 동물)에서 많은 의미있는 기능을 추출하고 일치시킬 수 없었습니다. 나를 위해 그들은 많은 각도의 방이나 건물 사진에서 더 잘 작동하는 경향이 있습니다.