识别图像上的内容答案

【问题标题】：Recognize what is on image识别图像上的内容
【发布时间】：2016-11-30 20:03:49
【问题描述】：

我正在做一个关于神经网络的小项目。我读过关于数字识别的文章，使用 MNIST 数据集，并考虑是否可以制作相同的数据集，但使用我们每天看到的常规对象。所以这里的算法（如果我们可以这么说）：一切都是用 python 的 opencv 库完成的 1）从图像中获取轮廓。这不是字面上的轮廓，而是看起来如此的东西。我已经用这段代码完成了这个：

def findContour(self):
    gray = cv2.cvtColor(self.image, cv2.COLOR_BGR2GRAY)
    gray = cv2.bilateralFilter(gray, 11, 17, 17)
    self.image = cv2.Canny(gray, 30, 200)

2) 接下来需要创建训练集。我复制并编辑此消息。改变旋转并翻转它——现在我们有大约 40 张图像，它们由旋转的轮廓组成。 3) 现在我要将这些图像转储到 csv 文件中。这些图像表示为 3D 数组，因此我使用 numpy 中的 .flatten 函数将它们展平。接下来这个扁平化向量被写入 csv 文件，标签作为最后一个字符

这就是我所做的，并想问：它会成功吗？接下来我想使用除最后一个元素之外的所有元素作为输入 x 向量，最后一个元素作为 y 向量。（如here）

识别方法相同：我们得到图像的轮廓，并将其输入神经网络，输出将是标签。

有没有可能，或者最好不要尝试？

【问题讨论】：

会成功吗？ 不。真的，你在浪费时间。而是阅读有关对象识别的内容以及有关该主题的最新论文。您将了解到这比仅提取轮廓更困难（也更有趣）...
我不同意；不要阅读当前的论文，这比其他方法更令人困惑。谷歌“物体识别神经网络教程”，或者类似的东西，你会发现很多你可以看的教程！
@Christopher 也许我应该改写成：“从简单开始，看看在线教程，然后当你想做一些比玩具问题更有意义的事情时，看看新论文和最先进的方法” . ;D

标签： python opencv computer-vision neural-network

【解决方案1】：

有足够的实验空间。但是，您不应该重新发明轮子，除非作为学习练习。研究范式，了解已经存在的内容，然后进行自己的车轮改进。

我强烈建议您从 CNN（卷积神经网络）中的图像识别开始。 ILSVRC 2012 图像数据集（也称为 ImageNet 文件）已经完成了许多出色的工作。事实上，今天的 NN 流行很大一部分来自 Alex Krizhevsky 的突破（导致 AlexNet，第一个赢得 ILSVRC 的 NN）和随后的拓扑（ResNet、GoogleNet、VGG 等）。

简单的答案是让您的网络“决定”原始照片中的重要内容。当然，将图像展平并为其提供轮廓，但如果在原始图像上运行的训练产生了出色的结果，请不要感到惊讶。

搜索有关“图像识别介绍”的资源，并选择一些符合您当前阅读和主题兴趣的热门内容。那里有很多好的。

当您开始编写自己的模型时，我强烈建议您使用现有的框架，而不是从头开始构建所有附属品。转储 CSV 格式；有更好的预打包 I/O 例程和大量支持。这个想法是让你设计你的网络，而不是一直操纵数据。

流行的框架包括 Caffe、TensorFlow、Torch、Theano 和 CNTK 等。到目前为止，我发现 Caffe 和 Torch 具有最简单的整体学习曲线，尽管没有太大的区别，我实际上推荐一般来说。寻找在您感兴趣的领域具有良好文档和示例的文档。

【讨论】：