识别图片中的动物
Recognition of an animal in pictures
我面临一个具有挑战性的问题。在我工作的公司的院子里有一个相机陷阱，可以拍下每一个动作。在其中一些图片中，有不同种类的动物（主要是深灰色老鼠）会对我们的电缆系统造成损坏。我的想法是使用一些可以识别图片上是否有灰色鼠标的应用程序。理想情况下是实时的。到目前为止，我们已经开发了一种解决方案，可以为每个动作发送警报，但大多数警报都是错误的。您能否提供一些有关解决问题的可能方法的信息？
在技术术语中，您上面描述的通常称为事件检测。我知道没有现成的方法可以一次解决所有这些问题，但是通过一些编程，即使您不想编写任何计算机视觉算法或类似算法，您也应该准备就绪。
高级管道将是：
确保您的视频质量足够。灰老鼠听起来有点难，加上照片可能是在晚上拍摄的 - 所以你应该有足够的红外线照明等。但是如果一个人能分辨出警报是假的还是真的，你应该没问题。
在运动时部署运动检测并抓拍图像。看起来你已经解决了这部分，太棒了！详细说明您的设置可能会使其他人受益。您可能还需要仅裁剪图像中的运动区域，您这样做了吗？
构建图像存档，包括您对它们是误报还是真报警的决定（标签机器学习用语）。尝试为这两种情况收集至少几十张示例图像，并使它们代表现实世界的变化（你白天也有这个问题吗？你所在的地区有降雪吗？）。
对从视频流快照中获取的图像进行分类，以检查它是否是误报或是否包含吃电缆的坏生物。这听起来很难，但深度学习和机器学习正在突飞猛进；你可以：
- 在 caffe or Tensorflow 这样的框架中部署你自己的神经网络（但你可能需要 很多 示例，我想至少有数万个)
- 使用识别一般物体的图像分类API，例如Clarifai or Imagga - 如果幸运的话，它会注意到快照显示的是老鼠或松鼠（松鼠会咬电缆吗？ )，但很可能在像这样的专门任务中，这些引擎会变得非常混乱！
- 使用自定义图像分类API服务，通常甚至比滚动自己的神经网络更强大，因为它可以使用很多技巧来整理这些图像，即使您只为每个图像类别提供少量示例（此处为假/真警报）； vize.it 是 的完美示例（任何人都可以贡献更多此类服务？）.
实时方面有点开放，因为神经网络需要一些时间来处理图像——你还需要在使用时包括数据传输等public API，但如果你自己推出，你将需要花费大量精力来获得低延迟，因为框架默认针对吞吐量进行了优化（batch预测）。一般来说，如果您对大约 1 秒的延迟感到满意并且拥有良好的互联网上行链路，那么您应该可以使用任何服务。
免责声明：我是 vize.it 的共同创作者之一。
养只猫怎么样？
此外，您可以使用 IBM Watson Visual Recognition 服务训练您自己的自定义分类器。 （演示：https://visual-recognition-demo.mybluemix.net/train）免费试用，您只需为要识别的不同类别提供示例图像。总的来说，Petr 的回答非常好。
我面临一个具有挑战性的问题。在我工作的公司的院子里有一个相机陷阱，可以拍下每一个动作。在其中一些图片中，有不同种类的动物（主要是深灰色老鼠）会对我们的电缆系统造成损坏。我的想法是使用一些可以识别图片上是否有灰色鼠标的应用程序。理想情况下是实时的。到目前为止，我们已经开发了一种解决方案，可以为每个动作发送警报，但大多数警报都是错误的。您能否提供一些有关解决问题的可能方法的信息？
在技术术语中，您上面描述的通常称为事件检测。我知道没有现成的方法可以一次解决所有这些问题，但是通过一些编程，即使您不想编写任何计算机视觉算法或类似算法，您也应该准备就绪。
高级管道将是：
确保您的视频质量足够。灰老鼠听起来有点难，加上照片可能是在晚上拍摄的 - 所以你应该有足够的红外线照明等。但是如果一个人能分辨出警报是假的还是真的，你应该没问题。
在运动时部署运动检测并抓拍图像。看起来你已经解决了这部分，太棒了！详细说明您的设置可能会使其他人受益。您可能还需要仅裁剪图像中的运动区域，您这样做了吗？
构建图像存档，包括您对它们是误报还是真报警的决定（标签机器学习用语）。尝试为这两种情况收集至少几十张示例图像，并使它们代表现实世界的变化（你白天也有这个问题吗？你所在的地区有降雪吗？）。
对从视频流快照中获取的图像进行分类，以检查它是否是误报或是否包含吃电缆的坏生物。这听起来很难，但深度学习和机器学习正在突飞猛进；你可以：
- 在 caffe or Tensorflow 这样的框架中部署你自己的神经网络（但你可能需要 很多 示例，我想至少有数万个)
- 使用识别一般物体的图像分类API，例如Clarifai or Imagga - 如果幸运的话，它会注意到快照显示的是老鼠或松鼠（松鼠会咬电缆吗？ )，但很可能在像这样的专门任务中，这些引擎会变得非常混乱！
- 使用自定义图像分类API服务，通常甚至比滚动自己的神经网络更强大，因为它可以使用很多技巧来整理这些图像，即使您只为每个图像类别提供少量示例（此处为假/真警报）； vize.it 是 的完美示例（任何人都可以贡献更多此类服务？）.
实时方面有点开放，因为神经网络需要一些时间来处理图像——你还需要在使用时包括数据传输等public API，但如果你自己推出，你将需要花费大量精力来获得低延迟，因为框架默认针对吞吐量进行了优化（batch预测）。一般来说，如果您对大约 1 秒的延迟感到满意并且拥有良好的互联网上行链路，那么您应该可以使用任何服务。
免责声明：我是 vize.it 的共同创作者之一。
养只猫怎么样？
此外，您可以使用 IBM Watson Visual Recognition 服务训练您自己的自定义分类器。 （演示：https://visual-recognition-demo.mybluemix.net/train）免费试用，您只需为要识别的不同类别提供示例图像。总的来说，Petr 的回答非常好。