이미지 집합에서 이미지 매치 : 전통적인 컴퓨터 비전 + 심층 학습/CNN

Question

개발중인 응용 프로그램에는 약 5000 개의 제품 레이블 이미지가 있습니다 (제품 당 하나의 레이블).

내 응용 프로그램의 기능 중 하나는 사용자가 카메라를 사용하여 사진을 찍고 시스템에 등록 된 제품 라벨과 가능한 일치를 얻을 수 있다는 것입니다.

처음에는 시스템마다 제품 당 하나의 샘플 만 있었으므로 전통적인 컴퓨터 비전 기술을 사용하기로 결정했습니다. (OpenCV SIFT 및 FLANN 기법을 사용하여 이것을 참조하십시오 : https://github.com/kipr/opencv/blob/master/samples/cpp/matching_to_many_images.cpp)

이제는 사용자가 일치를 승인 할 때부터 CNN 또는 딥 학습 기술과 결합하여 정확성을 향상시키는 방법을 생각하고 있습니다. , 제품에 대한 레이블 샘플을 점차 추가합니다.

컴퓨터 비전 기술과 CNN/딥 학습 기술을 결합한 하이브리드 이미지 매칭 시스템을 구축 할 수 있습니까?

서비스로 이미 제공되는 유사한 서비스가 있습니까?

Answer 1

거리 통계 학습 (DML)에 대해 자세히 알아야합니다. 간단히이 인터넷에 많은 정보가 있지만 :

1. 당신이해야 얻을 기지에서 각 이미지 묻어 (벡터 표현) (예를 들어 현대 CNN의 하나의 마지막 길쌈 계층의 특징 벡터를 얻을 수 (개시 , VGG, ResNet, DenseNet))
다음
2. , 새로운 이미지를 얻을 때, 당신은 현재 이미지의 벡터 표현을 생성해야하고

) 예를 들어, 유클리드 거리에서 (기지에서 가장 가까운 벡터를 찾을 수 이 주제는 매우 복잡하므로 잘 살펴보십시오. 행운을 풍 으십시오!