Uso de OpenCV para reconocer patrones gráficos - página 2

 
Maxim Dmitrievsky:

Gracias por el vídeo, estoy enganchado : )

Pero no es exactamente lo que necesitamos, pero es bueno para la educación general. Tenemos que reconocer (memorizar, lo que sea) 2 patrones gráficos y compararlos por similitud. Esta es la primera tarea para empezar. No estoy seguro de si necesitamos entrenar una red neuronal para esto.

Obviamente no entiendes bien lo que es OpenCV. Se trata de una biblioteca de operaciones matriciales/vectoriales rápidas que se ejecuta en varios núcleos de ordenador o en muchos núcleos de tarjetas gráficas.

El reconocimiento de patrones es un campo como el del aprendizaje automático. Para ello se pueden utilizar redes neuronales profundas, convolucionales y otras ad hoc.

El uso de las redes neuronales de OpenCV en el entrenamiento proporciona un aumento significativo del rendimiento. Eso es todo.

Por lo tanto, su pregunta formulada = la carreta antes del caballo.

En primer lugar, averigüe cómo va a definir el "patrón" (¿imagen de mapa de bits? ¿vector numérico? ¿o algo más?).

Aprende, aprende y aprende.

Buena suerte

 
Vladimir Perervenko:

Es evidente que no entiendes del todo lo que es OpenCV. Se trata de una biblioteca de operaciones matriciales/vectoriales rápidas que se ejecuta en varios núcleos de ordenador o en muchos núcleos de tarjetas gráficas.

El reconocimiento de patrones es un campo como el del aprendizaje automático. Para ello se pueden utilizar redes neuronales profundas, convolucionales y otras ad hoc.

El uso de las redes neuronales de OpenCV en el entrenamiento proporciona un aumento significativo del rendimiento. Eso es todo.

Por lo tanto, su pregunta formulada = la carreta antes del caballo.

En primer lugar, averigüe cómo va a definir el "patrón" (¿imagen de mapa de bits? ¿vector numérico? ¿o algo más?).

Aprende, aprende y aprende.

Buena suerte

gracias por el comentario confuso :)

Estoy interesado en la precisión de la detección en esta etapa, lo que esta cosa es incluso capaz de, sin entrar en detalles profundos ... ¿Será capaz de reconocer y comparar patrones con más precisión que yo a través de la correlación, por ejemplo? Realmente no me importa si es un mapa de bits o un vector. Tengo entendido que ya viene con capas entrenadas y no necesitas entrenar nada ahí, simplemente te dará un resultado terminado... pero también puedes entrenarlo para tus propios fines, lo cual es más complicado

Il, ¿puedes aconsejar algún otro método de comparación de dos curvas, más preciso? No quiero tener una red neuronal que me dé algo como "sí, he identificado que esto es un gráfico, es un gráfico real, soy bueno... pero no puedo garantizar la precisión".

O las aplicaciones de este método estarían limitadas por el entrenamiento intensivo de las redes neuronales, la selección de sus configuraciones, la selección de las muestras de entrenamiento, etc... Realmente no quiero hacer eso durante los próximos 50 años de mi vida

 
Maxim Dmitrievsky:

gracias por el oscuro comentario :)

Estoy interesado en la precisión en esta etapa, lo que esta cosa es capaz de todo, sin entrar en demasiados detalles ... ¿Será capaz de reconocer y comparar patrones con más precisión que yo a través de la correlación, por ejemplo? Realmente no me importa si es un mapa de bits o un vector. Tengo entendido que ya viene con capas entrenadas y no necesitas entrenar nada ahí, simplemente te dará un resultado terminado... pero también puedes entrenarlo para tus propios fines, lo cual es más complicado

Il, ¿puedes aconsejar algún otro método de comparación de dos curvas, más preciso? No quiero tener una red neuronal que me dé algo como "sí, he identificado que esto es un gráfico, es un gráfico real, soy bueno... pero no puedo garantizar la precisión".

O el uso de este método estaría limitado por el entrenamiento intensivo de las redes neuronales, la selección de sus configuraciones, la selección de las muestras de entrenamiento, etc... que no quiero hacer durante los próximos 50 años de mi vida

Este es un ejemplo de reconocimiento de matrículas en Matlab

http://matlab.exponenta.ru/imageprocess/book2/61.php

Y otros artículos sobre el tema

http://matlab.exponenta.ru/imageprocess/book2/

http://matlab.exponenta.ru/imageprocess/book2/58.php

Image Processing Toolbox. Краткий курс теории обработки изображений.И.М.Журавель
  • matlab.exponenta.ru
И.М.Журавель "Краткий курс теории обработки изображений" Распознавание номерных знаков автомобилей Рассмотрим некоторые вопросы, которые могут возникнуть при решении задачи распознавания номерных знаков автомобилей. Для этого сформируем исходное изображение и считаем его в рабочее пространство MATLAB. Для упрощения дальнейших расчетов и...
 
En el vídeo anterior, el sistema de entrenamiento en red que utiliza el elemento de la educación -premios y castigos- parecía interesante: este modelo funcionaba bien para tareas como jugar a juegos de ordenador no complejos, ¿podría ser esta la forma inteligente de pensarlo?
 
Yo también he creado un tema similar.
Quería enseñar el sistema para ver las ondas de Elliott.
Google ha enseñado a los smartphones a reconocer el habla, creo que podemos enseñarles a ver las ondas también.
 
Roman Kutemov:
Yo también creé un tema similar.
Quería enseñar el sistema para ver las ondas de Elliott.
Google enseñó a los smartphones a reconocer el habla, me parece que también se puede enseñar a ver las ondas.
El problema es que no somos google y no tenemos esos recursos ) y no está muy claro qué hacer con los patrones y nadie sabe aquí ... eventualmente lo resolveré )
 

Se puede hacer sin bibliotecas y sin NS. El indicador reconoce y numera instantáneamente hasta 9999 patrones. Se pueden hacer más, pero no son necesarias tantas.

 
Uladzimir Izerski:

Se puede hacer sin bibliotecas y sin NS. El indicador reconoce y numera instantáneamente hasta 9999 patrones. Es posible que haya más, pero no es necesario que haya tantos.

9999 no es nada comparado con las diversas variaciones de formaciones que tienden al infinito. No sólo es necesario reconocer un patrón determinado, sino también cualquier patrón definido por el usuario, en general, cualquier trozo del gráfico, con gran precisión.
 
Maxim Dmitrievsky:
9999 no es nada comparado con las diversas variaciones de formaciones que tienden al infinito. No sólo hay que reconocer un patrón, sino que hay que reconocer cualquier patrón suministrado por el usuario, cualquier trozo del gráfico, con gran precisión
No creo que el precio repita su patrón con tanta precisión, así que no me molesto con una precisión tan alta. A quién le gusta, por supuesto, y quién lo entiende.
 
Uladzimir Izerski:
No creo que el precio repita su modelo con tanta precisión, así que no me molesto con una precisión tan alta. Que le guste lo que quiere, por supuesto, y que entienda lo que quiere.
y no creo que este hilo sea el lugar adecuado para anunciar sus productos de pago