给定某个背景上的拼图图像(取决于任务的难度),识别图像上的拼图数量,并在图像上对每个拼图进行分类(对于每个拼图,告诉它有多少半岛和海湾)
背景可以是红色
或彩色
我使用opencv解决了(或几乎解决了)这个问题的简单版本(红色背景)(otsu thresholding->;dilating->;一些平滑卷积->;findContours,然后将轮廓传递给一些分类器)
但是,当我试图解决一个复杂的版本时,我遇到了严重的困难。这个
这是迄今为止我使用otsu阈值和腐蚀+扩张所取得的最好成绩。看来,这种阈值方法对硬背景效果不太好
我的数据集非常小(少于10张图像),所以我想不可能使用一些深入学习的分割技术。但是我可以用一些预先训练过的模型吗? 这是我的第一个简历问题,所以我不太了解它。我有点不知所措,请你帮我
谢谢
我认为你需要使用基于形状的匹配。例如,您可以为每个旋转角度和比例计算每个形状的渐变,只需一小步。然后训练神经网络检测器。
对于实现实例检查:https://github.com/meiqua/shape_based_matching
相关问题 更多 >
编程相关推荐