Блог

Я написал некоторое программное обеспечение для анализа изображений, которое может определять основную форму, цвет и размеры того, что оно считает наиболее доминирующим объектом на изображении.

Я также создал базу данных объектов, из которых алгоритм может выбирать:

 Item | Shape | Colors | Width range | Height range

Box | rectangle | brown, black, white | 20-50 cm | 10-30 cm
Basketball | circle | orange | 20-25cm | 20-25 cm
Backpack | rectangle | black | 40-50 cm | 20-30 cm
.
.
.
etc.
  

Примером может служить случай, когда система обнаруживает черный прямоугольник шириной 42 см и высотой 26 см. В этом случае как «коробка», так и «рюкзак» будут считаться правильными ответами. Есть ли какие-либо хорошие способы сделать обоснованное предположение о том, какой из двух предметов это может быть, например, с вероятностью 75%, что это рюкзак, с вероятностью 25%, что это коробка (возможно, исходя из того факта, что коробки могут быть 3 разных цветов и более широкого диапазона размеров, в отличие от рюкзака, который может быть только черным)?

Также приветствуются другие советы. Мне приходится самостоятельно изучать распознавание изображений, поэтому, если есть другие вещи, которые я должен попытаться извлечь из изображения, или другой способ, которым я должен работать с базой данных, эти комментарии также были бы высоко оценены!

Прошу прощения за довольно высокоуровневое описание без особого обоснования того, почему это работает, но вы можете легко заполнить книги, отвечающие на этот вопрос, и уже 13:00, поэтому я должен сделать это коротким:

В дополнение к записи диапазона допустимых размеров для коробок и рюкзаков, вам необходимо определить распределение вероятностей. Скорее всего, вы бы просто использовали (2D) нормальное распределение, тогда вы бы записали среднее значение и вариацию вместо диапазона. Сделайте то же самое для переменных формы, цвета и т.д. С подходящим распределением вероятностей.

Затем сгенерируйте два набора данных с несколькими сотнями точек данных, подобных этому:

 p_1 = (shape=rectangle, color=black, width=12, height=34)
p_2 = (shape=circle, color=red, width=34, height=11)
...
  

Для одного из наборов вручную классифицируйте их как объект, который лучше всего соответствует описанию. Это станет вашим набором для проверки.

Возьмите другой набор данных и обучите алгоритм классификации, подобный линейному дискриминанту Фишера, используя эти данные. Вы получаете преобразование T , которое максимизирует «расстояние» между классами (группами точек данных, представляющих объект) и минимизирует «расстояние» между точками, принадлежащими к одной группе.

Когда ваша программа обнаруживает новый объект со свойствами

 o = (shape=rectangle, color=black, width=42, height=26)
  

вы применяете преобразование, полученное из LD Фишера, и измеряете корреляцию (скалярное векторное произведение) к преобразованиям точек данных, которые вы классифицировали как, т. е. вычисляете (T*o)*(T*p_backpack)' и (T*o)*(T*p_box)' , которые относятся к вероятности того, что объект o на самом деле является рюкзаком / коробкой.

Если вы рассматриваете искусственный интеллект, взгляните на http://pybrain.org /

Это библиотека искусственного интеллекта Python очень высокого уровня. Мне повезло использовать его для распознавания образов (с использованием нейронной сети). С этим достаточно легко играть, и оно позволит вам быстро поэкспериментировать с различными подходами.

Я бы попробовал алгоритм искусственного интеллекта, заполненный пользовательским вводом.