「圖像識別」功能太多

Question

我有一個與圖像識別相關的任務，任務是告訴哪個產品是基於爲各種產品拍攝的數千張照片。

例如，我們針對10種不同的標籤產品拍攝了短片（1分鐘）。然後我們使用cv2.VideoCapture將它們轉換爲每個產品60s * 30fps〜1800幀。所以我們有10個產品的18K不同圖像全部貼上標籤。

我在考慮將圖像轉換爲像素，並使用標籤作爲結果，並將所有像素作爲收入來使用機器學習（神經網絡）將其轉化爲分類問題。但是，每個圖像都是1080 * 1920，這會給你200萬像素，讓顏色（RGB，..等）。

有沒有我應該使用的標準技術？我可以做邊緣檢測，輪廓將它們裁剪成更小的尺寸，但是所有的圖片都會以不同的尺寸結束，不是嗎？如果我把所有的尺寸都縮放成相同的尺寸，是不是都會改變尺度變化的圖像識別問題？

我擁有這些產品，所以我可以拍攝儘可能多的照片。對不起，這更像是一個最佳實踐或體系結構問題，而不是特定的編程問題。

這是縮小到更小的圖片，因此您可以瞭解我正在嘗試解決什麼問題。

Answer 1

我會強烈建議您使用Convolutional Neural Network(CNN)來解決這個10級的圖像分類的問題，因爲你可以得到很多圖片的「產品」。 該管道將非常類似於使用CNN的圖像分類問題，如handwritten digit recognition。

對於你的問題，事實上，最好裁剪「產品」，然後調整它們的大小來調整CNN分類器的大小。在識別（或預測）階段，您還應裁剪產品並將其調整到該大小，以將其饋送到預先訓練的分類器中。此預處理程序的好處包括：

• 大大降低識別難度和提高準確性。
• 適當縮小的圖像尺寸需要較少的計算和內存消耗，而相應的分類器仍然可以具有競爭（或相同）的準確性。

對於「尺度變化的圖像識別」問題，事實上，如上所述，在識別階段，您還應該裁剪產品並將其尺寸調整爲與培訓CNN相同的尺寸，規模不會劇烈變化。另一方面，在訓練CNN之前，您可以執行data augmentation和more augmentation methods以改善CNN對尺度變化的魯棒性。下面是面部數據隆胸爲例，從左至右分別爲normal，zoom out，zoom in，rotate seprately，你可以把它更多：

希望我的表達是明確的，會幫助你。