0

我有很多地毯圖像,我必須對它們進行分類。首先,我檢測地毯的細節特徵。我可以使用哪種方法?我應該使用Gabor特徵提取嗎?無論如何,謝謝你的所有答案。哪種方法可以用於地毯特徵提取?

+0

您應該發佈您嘗試過的代碼並明確指出您卡住的位置。要求別人只爲你做所有的工作,你不會得到太多的迴應。 – NoChinDeluxe

回答

0

嘗試功能包的方法。請參閱this example使用計算機視覺系統工具箱。

1

由於您正在處理圖像分類任務,因此您可以從深度卷積神經網絡的驚人進步中受益。

作爲一個簡單的步驟,您可以將所有圖像提供給衆所周知的CNN,比如AlexNet,併爲所有數據集提取最後一個完全連接的特徵(FC7)。然後,Simply將有一個大小爲[N 4096]的矩陣,其中N表示樣本的數量。將這些特徵提供給線性SVM,您可能會對獲得的精度感到震驚!

該程序被稱爲「計算機視覺和深度學習社區中的離架特徵提取,與手工製作的特徵(如HOG和SIFT)相比,它看起來非常有前途,您可以參閱this論文獲取更多信息。

0

我賽義德深度學習,在不同的領域尤其是卷積神經網絡已經取得了很大的成績(物體識別,對象分類,...)Caffe Framework已成爲品種一個共同的框架達成一致。 但是,如果你知道什麼這種特徵具有歧視的力量,單詞apporach的包是我最喜歡的選擇,但結果取決於一個好的表示(特徵/描述符),在你的情況下,我認爲紋理和顏色是描述地毯的重要特徵。 HoGSIFT是一些例子,從中你會發現很多使用定向梯度直方圖對紋理進行編碼的實現,但是還有許多其他類似的描述符,衝浪。請注意,SIFT有專利。要對顏色進行編碼,您可以在每個RGB通道上應用SIFT,SURF,HoG等。 Region Covarianz也可能是有趣的。