标签: image-recognition

我尝试使用David Lowe 的实现和OpenCV 实现对几个不同的对象进行对象检测（只是在此代码中更改了 'SurfFeatureDetector' -> 'SiftFeatureDetector' 和 'SurfDescriptorExtractor' -> 'SiftDescriptorExtractor'）。

看来opencv的实现要差得多！检测到大量误报和更少的关键点！我尝试使用 sigma/contrastThreshold 等“SiftFeatureDetector”参数，但结果总是比原始大卫的版本差得多。

• SIFT 的 opencv 实现与最初的 David Lowe 的实现有很大的不同吗？

• 有谁知道为“SiftFeatureDetector”设置了一个好的参数，以便 David 的实现（如 box.pgm/basmati.pgm ..）提供的对象图像的结果可能看起来与 David 的版本相似。

我正在学习图像处理，我正在尝试开始我的第一个项目，即图像中的简单数字识别。

到目前为止，我已经对图像应用了阈值处理。现在我想知道一些算法，我的系统可以通过这些算法识别图像中的数字。优选地，该算法必须简单，并且不必太鲁棒，因为我将使用相同的字体在绘画中生成图像。

我在这里查看了类似的问题，他们都指出使用库。记住我正在努力学习的人，所以请不要指出一些图书馆。

我有一个二进制斑点（见图），我想在其上放置一个已知宽度和高度的矩形。

如何找到最佳拟合矩形，即最大前景像素在内部且最大背景像素在外部的矩形？

（这是我对最适合的初步定义，我愿意接受其他建议）

我正在寻找已知尺寸的矩形，但如果有任意尺寸的解决方案，那就太好了。

斑点示例：

我想找到这些矩形：

到目前为止我的想法包括

• 从最小外接矩形开始；但这与这些斑点不太匹配
• 最大封闭矩形；同样的问题，而且我没有相应的算法
• 使用霍夫变换找到矩形边；数据太嘈杂了。

我意识到对于符合我的标准的同一个斑点可能有多个矩形，理想情况下我想要一些可以找到所有候选者的算法（认为因为这可能更难，我很高兴有一种方法只找到一个候选者） :

我主要使用 opencv 和 cvBlobLib 来处理我的数据，但我对任何通用解决方案持开放态度。

任务：将人脸图像分类为女性或男性。可以使用带标签的训练图像，从网络摄像头获取测试图像。

使用： Python 2.7，OpenCV 2.4.4

我正在使用 ORB 从灰度图像中提取特征，我希望将其用于训练 K-最近邻分类器。每个训练图像都是不同的人，因此每个图像的关键点和描述符的数量明显不同。我的问题是我无法理解 KNN 和 ORB 的 OpenCV 文档。我看过其他关于 ORB、KNN 和 FLANN 的 SO 问题，但它们并没有多大帮助。

ORB 给出的描述符的性质究竟是什么？它与通过BRIEF、SURF、SIFT等获得的描述符有何不同？

对于 KNN 中的每个训练样本，特征描述符似乎应该具有相同的大小。如何确保每个图像的描述符大小相同？更一般地说，特征应该以什么格式呈现给 KNN 以使用给定的数据和标签进行训练？数据应该是整数还是浮点数？可以是字符吗？

可以在此处找到训练数据。

我也在使用haarcascade_frontalface_alt.xml来自 opencv 的示例

现在 KNN 模型只提供了 10 张图像进行训练，以查看我的程序是否通过而没有错误，但没有。

这是我的代码：

import cv2
from numpy import float32 as np.float32

def chooseCascade():
    # TODO: Option for diferent cascades
    # HAAR Classifier for frontal face
    _cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')
    return _cascade

def cropToObj(cascade,imageFile):
    # Load as 1-channel grayscale image
    image = …

我想从相机扫描图像并将其与预加载的图像进行比较。我想识别扫描的图像。

示例：我将在我的应用程序中保存此图像，当我扫描此类图像时，我想识别它。

_{（来源：iconarchive.com）}

在识别过程中，是否有任何库或 SDK 可以在不使用 Internet 的情况下实现上述功能？

我已经尝试过使用opencv，但我没有得到有希望的结果和性能。我也不介意使用任何付费 SDK。

注意： 我想在用户没有互联网时实现它。一切都应该在离线模式下工作。

对于我的学士论文，我必须制作一个识别徽标的应用程序，例如：我看到汽车的徽标，我想找出它是什么车。我拍了一张汽车标志的照片，应用程序应该可以识别图像并将“梅赛德斯”这个词发回给我，以便我可以在线搜索有关汽车的信息。我希望无论标志的位置、光线或颜色如何，应用程序都能识别该标志代表什么。

我已经尝试过使用识别.im API，但它不能很好地工作，因为它是为比较而不是分类进行了校准和调整，而且我绝对需要分类。

我想使用云端识别，但在设备上也可以使用（在这种情况下我应该使用什么算法？）。

非常感谢

我需要检测物体上的反射（即汽车上）或另一个图像内的弯曲图像。有人知道怎么做吗？

我正在寻找的一些例子：

另外，我不需要从反射中检测到清晰的物体，我只需要看看物体是否反射了光

是否可以使用 Vision Framework 检测视频中的图像？此示例https://github.com/jeffreybergier/Blog-Getting-Started-with-Vision显示了如何跟踪用户先前点击的视频上的对象。是否可以将图像添加到项目中并检测此图像是否出现在视频中？我正在研究VNTargetedImageRequest但它是抽象类，谷歌返回了 4 个关于它的结果。

我正在尝试使用 Pytorch 对猫和狗的图像数据集进行分类。在我的代码中，到目前为止，我正在下载数据并进入文件夹 train，其中有两个文件夹，称为“cats”和“dogs”。然后我试图将这些数据加载到数据加载器中并通过批处理进行迭代，但它给了我一些我在迭代步骤中不明白的错误。

由于它是 Google Colab，我在那里有用于下载数据和安装库的代码。到目前为止，对我的代码的任何其他建议也将不胜感激。

!pip install torch
!pip install torchvision

from __future__ import print_function, division
import os
import torch
import pandas as pd
import numpy as np
# For showing and formatting images
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# For importing datasets into pytorch
import torchvision.datasets as dataset

# Used for dataloaders
import torch.utils.data as data

# For pretrained resnet34 model
import torchvision.models as models

# For optimisation function
import torch.nn as nn
import …

如果标题不清楚，假设我有一个图像列表（10k+），并且我有一个我正在搜索的目标图像。

这是目标图像的示例：

这是我想要搜索以找到“相似”内容（ex1、ex2 和 ex3）的图像示例：

这是我做的匹配（我使用 KAZE）

from matplotlib import pyplot as plt
import numpy as np
import cv2
from typing import List
import os
import imutils


def calculate_matches(des1: List[cv2.KeyPoint], des2: List[cv2.KeyPoint]):
    """
    does a matching algorithm to match if keypoints 1 and 2 are similar
    @param des1: a numpy array of floats that are the descriptors of the keypoints
    @param des2: a numpy array of floats that are the descriptors of the keypoints
    @return:
    """
    # bf matcher with …