【发布时间】：2016-06-07 17:25:03
【问题描述】：
我查看了 Hough 变换，但我想要一个可以实现相同目的的机器学习分类器：从给定的 2D 矢量或图像中检测独特的线条。我能想到的最接近的是 k-NN，但这会给我一个集群周围的邻居，而不是那些落在直线上的邻居。
【问题讨论】：
标签： algorithm machine-learning computer-vision pattern-matching pattern-recognition
【发布时间】：2016-06-07 17:25:03
【问题描述】：
最接近的做法是训练卷积神经网络 (CNN)。不同的卷积层应该生成能够检测不同方向的小部分线的地图。当重新组合在一起时，它应该检测到直线。正如我对我的 cmets 所说，它甚至可以重新连接已中断的线路。
如果您也对扭曲的线感兴趣（所以不仅仅是直线），您可以添加一个 Transformer 层，它将在训练期间应用弹性变形。这些转换将扭曲线检测器，使其对扭曲线敏感。
【讨论】：
-
我对 CNN 的理解会有所不同：它们提供一般的形状识别。但是寻找直线是一种更适合 Hough（如 OP 中提到的）、高斯滤波、Marr-Hildreth 边缘等的精确结构。
-
我已经训练了一个中断线路重新连接。如果它可以重新连接线路，它可以检测到它们。
-
好吧，这表明它可以工作。您是否介意提供一些关于为什么 CNN 会成为此类问题的有用选择的信息？
-
我已经添加了更多解释。是不是更清楚了？
-
好吧，老实说，我不能说这里有足够的细节......但无论如何我都赞成。随意添加更多内容。