Дилемма об изображении, обрезающем алгоритм - действительно ли это возможно?

В Котлине нет типа (Mutable)List.

Это служит признаком того, что тип списка, возвращаемого Example.getList(), не будет определен во время времени компиляции , но будет решен во время времени выполнения .
В вашем случае это будет List, а не MutableList, потому что Arrays.asList() возвращает FixedSizeList .

Если вы реализовали Example.getList() следующим образом:

public static List getList() {
    List list = new ArrayList<>();
    list.add("A");
    list.add("B");
    list.add("C");
    return list;
}

, то во время времени выполнения тип вашего list будет MutableList.

6
задан Eddie 27 February 2009 в 17:03
поделиться

8 ответов

Это - одна из проблем, которые должны были быть решены для окончания DARPA Главная проблема. Google Video имеет большую презентацию руководителем проекта из команды-победительницы, где он говорит о том, как они пошли о своем решении, и как некоторые из других команд приблизились к нему. Соответствующая часть запускается около 19:30 видео, но это - большой разговор, и все это стоит часов. Надо надеяться, это дает Вам хорошую начальную точку для решения Вашей проблемы.

2
ответ дан 17 December 2019 в 07:10
поделиться

То, о чем Вы говорите, является открытой проблемой исследования или даже несколькими проблемами исследования. Один способ заняться этим, сегментацией изображения. Если можно безопасно предположить, что существует один предмет интереса в изображении, можно попробовать контрастный алгоритм сегментации. Существует много таких алгоритмов, и ни один из них не прекрасен. Они обычно производят маску сегментации: двухуровневое изображение, где число является белым и фон, является черным. Вы затем нашли бы ограничительную рамку числа и использовали бы ее для обрезки. Вещь помнить состоит в том, что ни один из существующего алгоритма сегментации не даст Вам, что Вы хотите 100% времени.

С другой стороны, если Вы знаете заранее, какой определенный тип объекта необходимо обрезать (автомобиль, человек, мотоцикл), затем можно попробовать алгоритм обнаружения объектов. Еще раз существуют многие, и ни один из них не прекрасен также. С другой стороны, некоторые из них могут работать лучше, чем сегментация, если Ваш предмет интереса находится на очень нарушенном фоне.

Подводя итоги, если бы Вы хотите преследовать это, необходимо было бы считать достаточное количество бумаг машинного зрения и попробовать достаточное количество различных алгоритмов. Вы также увеличите свои шансы на успех при ограничении проблемной области как можно больше: например, ограничьте себя небольшим количеством категорий объектов, предположите, что в изображении существует только один предмет интереса, или ограничьте себя определенным типом сцен (природа, море, и т.д.). Также имейте в виду, это, даже точность современных подходов к решению этого типа проблем имеет большой простор для совершенствования.

И между прочим, выбором языка или платформы для этого проекта является безусловно наименее трудная часть.

2
ответ дан 17 December 2019 в 07:10
поделиться

Метод, часто используемый для обнаружения поверхности в изображениях, с помощью каскада классификатора Haar. Каскад классификатора может быть обучен обнаружить любые объекты, не только стоит, но и способность классификатора очень зависит от качества обучающих данных.

Данная статья Viola и Jones объясняет, как она работает и как она может быть оптимизирована.

Хотя это - C++, Вы могли бы хотеть смотреть на библиотеки обработки изображений, обеспеченные проектом OpenCV, которые включают код, чтобы и обучить и использовать каскады Haar. Вам будет нужен ряд автомобиля и неавтомобильных изображений для обучения системы!

2
ответ дан 17 December 2019 в 07:10
поделиться

Я действительно говорил, что фотография, таким образом, это могло быть черным автомобилем с черным фоном. Я действительно думал об определении цвета объекта, и затем когда тот цвет найден, трассировка вокруг этого (объяснение высокого уровня). Но, с черным объектом в черном фоне (никакой constrast, другими словами), это была бы очень трудная задача.

Лучше все еще я столкнулся с несколькими сайтами с 3-ми моделями автомобилей. Я мог всегда использовать это, засовывать его в 3-ю модель и представлять его.

3D модель была бы легче работать с, фотография реального мира намного тяжелее. Это действительно сосет :(

0
ответ дан 17 December 2019 в 07:10
поделиться

Некоторые лучшие попытки, которые я имею, видят этого, использует большую базу данных изображений, чтобы помочь понять изображение, которое Вы имеете. В эти дни у Вас есть flickr, который не является только гигантским корпусом изображений, но и он также отмечен с метаинформацией о том, каково изображение.

Некоторые проекты, которые делают это, документируются здесь:

http://blogs.zdnet.com/emergingtech/?p=629

0
ответ дан 17 December 2019 в 07:10
поделиться

Запустите с анализа изображений сами. Тем путем можно сформулировать критерии, на которых можно соответствовать автомобилю. И Вы добираетесь для определения то, чему Вы не можете соответствовать.

Если все автомобили имеют тот же фон, например, это не должен быть тот комплекс. Но Ваш пример указывает автомобиль на улице. Могут быть паркуемые автомобили. Они должны быть распознаны?

Если у Вас есть доступ к MatLab, Вы могли бы протестировать свои фильтры распознавания образов со специализированным программным обеспечением как PRTools.

Wwhen я учился (давным-давно:) Я использовал Кантату Khoros и нашел, что граничный фильтр может упростить изображение значительно.

Но снова, сначала определите условия на входе. Если Вы не сделаете этого, то Вы не успешно выполнитесь, потому что распознавание образов действительно трудно (думайте о том, сколько времени оно взяло для взламывания капчи),

0
ответ дан 17 December 2019 в 07:10
поделиться

Если я читаю это право... Это - то, где AI сияет.

Я думаю, что "самое простое" решение состояло бы в том, чтобы использовать основанный на нейронной сети алгоритм распознавания изображений. Если Вы не знаете, что автомобиль посмотрит то же самое в каждом изображении, затем это - в значительной степени единственный путь.

Если это - то же самое, то можно просто искать узор заливки, и получить ограничительный прямоугольник и просто установить цвет границы изображения на внутреннюю границу прямоугольника.

-1
ответ дан 17 December 2019 в 07:10
поделиться

Я думаю, что Вы никогда не будете получать хорошие результаты без реального пользователя, говорящего программу, что сделать. Думайте о нем этот путь: как должен Ваша программа решать, когда существует больше чем 1 интересный существующий объект (например: 2 автомобиля)? какова, если объект Вы хотите, на самом деле гора в фоновом режиме? что, если ничто из интереса не в изображении, таким образом ничто для выбора как объект обрезать? и т.д., и т.д...

После этих слов если можно сделать предположения как: только 1 объект будет присутствовать, затем можно делать попытку с использованием алгоритмов распознавания изображений.
Теперь, когда я думаю о нем. Я недавно получил лекцию об искусственном интеллекте в роботах и в автоматизированных методах исследования. Их исследование продолжалось о взаимодействии языка, эволюции и распознавании языка. Но чтобы сделать это, им также были нужны некоторые простые алгоритмы распознавания изображений для обработки воспринятой среды. Один из приемов, которые они использовали, должен был сделать 3D график изображения, где X и Y, где нормальная ось X и Y и ось z были яркостью той конкретной точки, затем они использовали ту же технику для красно-зеленых значений, и сине-желтый. И о чудо у них было что-то (относительно) легкое, которое они могли использовать для выбирания объектов от воспринятой среды.
(Я ужасно сожалею, но я не могу найти ссылку на хорошие диаграммы, которые они имели, который показал, как все это работало).

Так или иначе, дело в том, что им не было интересно (так очень) в распознавании изображений, таким образом, они создали что-то, что работавший достаточно хороший и использовал что-то менее усовершенствованное и таким образом менее трудоемкий, таким образом, возможно создать что-то простое для этой сложной задачи.

Также любая хорошая программа редактирования изображение имеет некоторую волшебную палочку, которая выберет с правильным объемом тонкой настройки, предмет интереса, Вы указываете на него на, возможно, это стоит Вашего времени для изучения этого также.

Так, это в основном будет означать что Вы:

  • должны сделать некоторые предположения, иначе это перестанет работать ужасно
  • будет, вероятно, лучше всего подаваться с методами от AI и более конкретно распознаванием изображений
  • может смотреть на paint.NET и их алгоритм для их волшебной палочки
  • попытайтесь использовать то, что хорошая фотография будет иметь предмет интереса где-нибудь в середине изображения

.. но я не говорю, что это - решение для Вашей проблемы, возможно, что-то более простое может использоваться.

О, и я продолжу искать те ссылки, они содержат некоторую действительно ценную информацию об этой теме, но я ничего не могу обещать.

-1
ответ дан 17 December 2019 в 07:10
поделиться
Другие вопросы по тегам:

Похожие вопросы: