我是试图找到的可接受的复杂性物体检测+分割
- 一种有效的方式在图像中检测对象,所以我可以从其周围隔离它
- 区段反对其子部件和对其进行标记以便我能那么随意
这是3周以来我进入了图像处理的世界获取他们,我看过这么多的算法(过筛,蛇,更多的蛇,傅里叶相关,等等)以及启发式,我不知道从哪里开始,哪一个是“最好的” “为了我想要实现的目标。考虑到感兴趣的图像数据集是一个相当大的图像数据集,我甚至不知道我是否应该使用OpenCV中实现的一些算法,或者如果我应该实现一个我自己的算法。
综述:
- 我应该关注哪些方法呢?为什么?
- 我应该使用OpenCV来处理那种东西,还是有其他更好的选择?
在此先感谢您。
编辑 - 关于数据集
每个数据集包括产品80K例如图像共享相同
- 概念的更多信息T恤衫,手表,鞋
- 大小
- 取向(其中90%)
- 背景(其中95%)
在每个数据集的所有图片的外观几乎相同除了产品本身,显然。为了让事情更加清楚一点,我们只考虑“手表集”:
组中的所有图片看起来几乎完全一样:
(再次,除了形成手表本身)。我想提取表带和表盘。事情是,有很多不同的手表风格,因此形状。从我目前阅读的内容来看,我认为我需要一种模板算法,允许弯曲和拉伸,以便能够匹配不同风格的肩带和表盘。
而不是创建三个不同的模板(带子的上半部分,带子的下半部分,表盘),只创建一个模板并将其分成3个部分是合理的。这样,我就足够确信,每个部分都是相对于彼此被检测到的,如预期的那样。在表带下部以下不会检测到表盘。
从我遇到的所有算法/方法论看,主动形状模型似乎是最有前途的模型。不幸的是,我还没有设法找到一个下降实现,我不够自信,这是最好的方法,以便自己写一个。
如果有人可以指出我应该真正寻找什么(算法/启发式/库/等),我会感激不尽。如果您再次认为我的描述有些模糊,请随时索要更详细的描述。
您是否介意描述图像的域,甚至是图像的某些样本。对于一般的对象检测/识别/分割,我相信或者一般认为,域的良好边界会给你一个'边缘'来区分什么是分割的,哪些不是。 –
@gary - 我想要实现的(很多)事情之一:拥有手表的图像,例如[链接](http://upload.wikimedia.org/wikipedia/commons/0/06/Seiko_7002-7020_Diver%27s_200_m_on_a_4-ring_NATO_style_strap.JPG),我希望能够独立处理'上'和'下'部分的表带和表盘。这就是为什么我需要某种支持分割的模板。 – sawidis
你可以发布你的数据集中的几幅图像,以显示它们的多样性。例如,如果您的所有图像都是作为链接,面朝上,直接进入相机的维基图像,并且没有比例尺,照明差异或手表品牌或类型差异,则可以极大地简化您的算法。 – Maurits