Usare OpenCV per riconoscere i modelli grafici - pagina 2

 
Maxim Dmitrievsky:

Grazie per il video, mi sono appassionato : )

Ma non è esattamente quello di cui abbiamo bisogno, ma è buono per l'educazione generale. Dobbiamo riconoscere (memorizzare, qualunque cosa) 2 modelli grafici e confrontarli per somiglianza. Questo è il primo compito con cui iniziare. Non sono sicuro che abbiamo bisogno di addestrare una rete neurale per questo.

Ovviamente non hai capito bene cos'è OpenCV. È una libreria di operazioni matriciali/vettoriali veloci che funziona su più core di computer o su molti core di schede grafiche.

Il riconoscimento dei modelli è un campo come l'apprendimento automatico. Reti neurali profonde, convoluzionali e altre reti neurali ad hoc possono essere utilizzate per questo scopo.

L'uso di reti neurali OpenCV nell'addestramento dà un significativo aumento delle prestazioni. Questo è tutto.

Quindi la tua domanda formulata = il carro davanti ai buoi.

Per prima cosa, scoprite come definirete il "modello" (immagine bitmap? vettore numerico? o qualcos'altro?).

Imparare, imparare e imparare.

Buona fortuna

 
Vladimir Perervenko:

Evidentemente non capite bene cos'è OpenCV. È una libreria di operazioni matriciali/vettoriali veloci che funziona su più core di computer o su molti core di schede grafiche.

Il riconoscimento dei modelli è un campo come l'apprendimento automatico. Reti neurali profonde, convoluzionali e altre reti neurali ad hoc possono essere utilizzate per questo scopo.

L'uso di reti neurali OpenCV nell'addestramento dà un significativo aumento delle prestazioni. Questo è tutto.

Quindi la tua domanda formulata = il carro davanti ai buoi.

Per prima cosa, scoprite come definirete il "modello" (immagine bitmap? vettore numerico? o qualcos'altro?).

Imparare, imparare e imparare.

Buona fortuna

grazie per il commento confuso :)

Mi interessa la precisione del rilevamento in questa fase, di cosa sia capace questa cosa, senza entrare nei dettagli... Sarà in grado di riconoscere e confrontare i modelli in modo più accurato di quanto farei io attraverso la correlazione, per esempio. Non mi interessa molto se è una bitmap o un vettore. Capisco che viene già fornito con livelli addestrati e non c'è bisogno di addestrare nulla lì, ti darà solo un risultato finito... ma puoi anche addestrarlo per i tuoi scopi, il che è più complicato

Il, puoi consigliare qualche altro metodo per confrontare due curve, più accurato? Non voglio ottenere una rete neurale che mi dia qualcosa come "sì, ho identificato che questo è un grafico, è un vero grafico, sono bravo... ma non posso garantire la precisione".

Oppure questo metodo porterebbe a un sacco di apprendimento di reti neurali, selezione delle loro configurazioni, selezione di campioni di allenamento e così via... Non voglio davvero farlo per i prossimi 50 anni della mia vita

 
Maxim Dmitrievsky:

grazie per il commento oscuro :)

Mi interessa l'accuratezza del rilevamento in questa fase, ciò che questa cosa è in grado di fare, senza entrare nei dettagli... Sarà in grado di riconoscere e confrontare i modelli in modo più accurato di quanto farei io attraverso la correlazione, per esempio. Non mi interessa se è una bitmap o un vettore. Capisco che viene già fornito con livelli addestrati e non c'è bisogno di addestrare nulla lì, ti darà solo un risultato finito... ma puoi anche addestrarlo per i tuoi scopi, il che è più complicato

Il, puoi consigliare qualche altro metodo per confrontare due curve, più accurato? Non voglio ottenere una rete neurale che mi dia qualcosa come "sì, ho identificato che questo è un grafico, è un vero grafico, sono bravo... ma non posso garantire la precisione".

Oppure l'uso di questo metodo sarebbe limitato dall'allenamento intensivo delle reti neurali, dalla selezione delle loro configurazioni, dalla selezione dei campioni di allenamento e così via... cosa che non voglio fare per i prossimi 50 anni della mia vita

Ecco un esempio di riconoscimento delle targhe su Matlab

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

E altri articoli sull'argomento

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...
 
Dal video qui sopra, il sistema di addestramento della rete usando l'elemento dell'educazione - premi e punizioni - sembrava interessante - questo modello ha funzionato bene per compiti come giocare a giochi per computer non complessi - potrebbe essere questo il modo intelligente di pensarci?
 
Anch'io ho creato un argomento simile.
Volevo insegnare il sistema per vedere le onde di Elliott.
Google ha insegnato agli smartphone a riconoscere il parlato, penso che possiamo insegnargli anche a vedere le onde.
 
Roman Kutemov:
Ho anche creato un argomento simile.
Volevo insegnare il sistema per vedere le onde di Elliott.
Google ha insegnato agli smartphone a riconoscere il parlato, mi sembra che si possa insegnare a vedere anche le onde.
Il problema è che non siamo google e non abbiamo tali risorse ) e non è del tutto chiaro cosa fare con i modelli e nessuno lo sa qui ... alla fine lo capirò )
 

Può essere fatto senza biblioteche e senza NS. L'indicatore riconosce e numera istantaneamente fino a 9999 modelli. Si può fare di più, ma non c'è bisogno di tanti.

 
Uladzimir Izerski:

Può essere fatto senza biblioteche e senza NS. L'indicatore riconosce e numera istantaneamente fino a 9999 modelli. È possibile farne di più, ma non ce n'è bisogno in così tanti.

9999 non è niente in confronto alle varie variazioni di formazioni che tendono all'infinito. Non è solo necessario riconoscere un dato modello, ma anche riconoscere qualsiasi modello definito dall'utente, in generale, qualsiasi pezzo del grafico, con alta precisione.
 
Maxim Dmitrievsky:
9999 non è niente in confronto alle varie variazioni di formazioni che tendono all'infinito. È necessario non solo riconoscere un modello, ma riconoscere qualsiasi modello fornito dall'utente, qualsiasi pezzo del grafico, con alta precisione
Non credo che il prezzo ripeta il suo schema con tale precisione, quindi non mi preoccupo di una precisione così elevata. A chi piace, naturalmente, e a chi lo capisce.
 
Uladzimir Izerski:
Non credo che il prezzo ripeta il suo modello con tale precisione, quindi non mi preoccupo di una precisione così elevata. A cui piace quello che vuoi, ovviamente, e che capisce quello che vuoi.
e non credo che questo thread sia il posto giusto per pubblicizzare i vostri prodotti a pagamento