Usando o OpenCV para reconhecer padrões gráficos - página 2
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Obrigado pelo vídeo, estou viciado : )
Mas não é exactamente o que precisamos, mas é bom para a educação geral. Precisamos de reconhecer (memorizar, o que quer que seja) 2 padrões gráficos e compará-los para obter semelhanças. Esta é a primeira tarefa para começar. Não sei se precisamos de treinar uma rede neural para isto.
Obviamente você não entende bem o que é o OpenCV. É uma biblioteca de operações rápidas de matriz/vetor rodando em múltiplos núcleos de computador ou em muitos núcleos de placas gráficas.
O reconhecimento de padrões é um campo como a aprendizagem de máquinas. Redes neurais profundas, convolucionais e outras redes neurais ad hoc podem ser usadas para este fim.
O uso de redes neurais OpenCV no treinamento dá um impulso significativo ao desempenho. É tudo.
Então a sua pergunta formulada = carroça diante do cavalo.
Primeiro, descubra como vai definir o "padrão" (imagem bitmap? vector numérico? ou outra coisa qualquer?).
Aprenda, aprenda e aprenda.
Boa sorte.
Você obviamente não entende totalmente o que é o OpenCV. É uma biblioteca de operações rápidas de matriz/vetor rodando em múltiplos núcleos de computador ou em muitos núcleos de placas gráficas.
O reconhecimento de padrões é um campo como a aprendizagem de máquinas. Redes neurais profundas, convolucionais e outras redes neurais ad hoc podem ser usadas para este fim.
O uso de redes neurais OpenCV no treinamento dá um impulso significativo ao desempenho. É tudo.
Então a sua pergunta formulada = carroça diante do cavalo.
Primeiro, descubra como vai definir o "padrão" (imagem bitmap? vector numérico? ou outra coisa qualquer?).
Aprenda, aprenda e aprenda.
Boa sorte.
obrigado pelo comentário confuso :)
Estou interessado na precisão da detecção nesta fase, do que esta coisa é capaz, sem entrar em detalhes profundos... Será capaz de reconhecer e comparar padrões com mais precisão do que eu seria capaz através de correlação, por exemplo. Não me interessa se é um bitmap ou um vector. Eu entendo que já vem com camadas treinadas e você não precisa treinar nada lá, apenas lhe dará um resultado final... mas você também pode treiná-lo para seus próprios propósitos, o que é mais complicado
Il, pode aconselhar algum outro método para comparar duas curvas, mais preciso? Não quero ter uma rede neural que me dê algo como "sim, identifiquei que isto é um gráfico, é um gráfico real, sou bom... mas não posso garantir a precisão".
Ou as aplicações deste método seriam limitadas pelo treinamento intensivo de redes neurais, seleção de suas configurações, seleção de amostras de treinamento, etc... Não quero fazer isso durante os próximos 50 anos da minha vida.
obrigado pelo comentário obscuro :)
Estou interessado na precisão nesta fase, do que esta coisa é capaz, sem entrar em demasiados detalhes... Será capaz de reconhecer e comparar padrões com mais precisão do que eu seria capaz através de correlação, por exemplo. Não me interessa se é um bitmap ou um vector. Eu entendo que já vem com camadas treinadas e você não precisa treinar nada lá, apenas lhe dará um resultado final... mas você também pode treiná-lo para seus próprios propósitos, o que é mais complicado
Il, pode aconselhar algum outro método para comparar duas curvas, mais preciso? Não quero ter uma rede neural que me dê algo como "sim, identifiquei que isto é um gráfico, é um gráfico real, sou bom... mas não posso garantir a precisão".
Ou o uso deste método seria limitado pelo treinamento intensivo de redes neurais, seleção de suas configurações, seleção de amostras de treinamento e assim por diante... o que não quero fazer nos próximos 50 anos da minha vida.
Aqui está um exemplo de reconhecimento de matrículas no Matlab
http://matlab.exponenta.ru/imageprocess/book2/61.php
E outros artigos sobre o assunto
http://matlab.exponenta.ru/imageprocess/book2/
http://matlab.exponenta.ru/imageprocess/book2/58.php
Eu queria ensinar o sistema a ver as ondas Elliott.
O Google ensinou os smartphones a reconhecer a fala, acho que podemos ensiná-los a ver ondas também.
Eu também criei um tópico semelhante.
Eu queria ensinar o sistema a ver as ondas Elliott.
O Google ensinou os smartphones a reconhecer a fala, parece-me que as ondas também podem ser ensinadas a vê-las.
Pode ser feito sem bibliotecas e sem NS. O indicador reconhece instantaneamente e numera até 9999 padrões. Você pode fazer mais, mas não há necessidade de tantos.
Pode ser feito sem bibliotecas e sem NS. O indicador reconhece instantaneamente e numera até 9999 padrões. Mais é possível, mas não há necessidade em tantos.
9999 não é nada em comparação com as várias variações de formações que tendem para o infinito. Você precisa não só reconhecer um padrão, mas também reconhecer qualquer padrão fornecido pelo usuário, qualquer pedaço do gráfico, com alta precisão.
Acho que o preço não repete o seu modelo com tanta precisão, por isso não me incomodo com tanta precisão. Quem gosta do que você quer, é claro, e quem entende o que você quer.