机器学习——如何从汽车图像推断汽车的颜色
Machine learning - how to infer the colour of a car from a car image
我想训练一个模型来从汽车图像中推断出汽车的颜色。假设对于颜色分类,我将使用 k 最近邻算法。
我们还假设:
1) 我有 1000 张带标签的图片
2) 我有 100 张图片要测试
但是,假设我设法编写了一个源代码,可以检测汽车图像中的汽车并检索其颜色。
此源代码是否对训练模型有用,或者因为我(手动)标记了训练图像,所以它不能以任何必要的方式使用?
我对你的问题的理解是,当我们可以使用图像处理技术本身解决问题时,为什么还需要创建机器学习模型?
因此,如果 objective 太简单,比如在图像中查找某些对象的颜色,在图像中查找一些不变的模板,则始终建议使用图像处理库旋转和缩放、边缘检测等
但是当你的objective变得复杂时,比如识别图像中的各种对象、定位对象、基于像素的分割、视频分割等。你将需要进行深度学习楷模。
在你的情况下,你需要检测汽车并找到它的颜色。
让我们把它分成两部分:
1) 汽车检测与定位:
对于检测物体(汽车),您需要注意以下挑战:
- 观点变化
- 比例变化
- 变形
- 遮挡
- 光照条件
- 背景杂乱
- 内部-class变异
如果您的测试用例不面临这些挑战,那么您可以很好地使用图像处理库。否则它会变成一个复杂的过程。因此,解决此问题的唯一方法是使用不同的此类图像训练模型。
2) 颜色检测
- 为此,最好使用图像处理方法本身。因为为了进行训练,您需要拥有大量您更有可能获得的每种颜色的图像。
希望对您有所帮助!
我想训练一个模型来从汽车图像中推断出汽车的颜色。假设对于颜色分类,我将使用 k 最近邻算法。
我们还假设:
1) 我有 1000 张带标签的图片
2) 我有 100 张图片要测试
但是,假设我设法编写了一个源代码,可以检测汽车图像中的汽车并检索其颜色。
此源代码是否对训练模型有用,或者因为我(手动)标记了训练图像,所以它不能以任何必要的方式使用?
我对你的问题的理解是,当我们可以使用图像处理技术本身解决问题时,为什么还需要创建机器学习模型?
因此,如果 objective 太简单,比如在图像中查找某些对象的颜色,在图像中查找一些不变的模板,则始终建议使用图像处理库旋转和缩放、边缘检测等
但是当你的objective变得复杂时,比如识别图像中的各种对象、定位对象、基于像素的分割、视频分割等。你将需要进行深度学习楷模。
在你的情况下,你需要检测汽车并找到它的颜色。
让我们把它分成两部分:
1) 汽车检测与定位:
对于检测物体(汽车),您需要注意以下挑战:
- 观点变化
- 比例变化
- 变形
- 遮挡
- 光照条件
- 背景杂乱
- 内部-class变异
如果您的测试用例不面临这些挑战,那么您可以很好地使用图像处理库。否则它会变成一个复杂的过程。因此,解决此问题的唯一方法是使用不同的此类图像训练模型。
2) 颜色检测
- 为此,最好使用图像处理方法本身。因为为了进行训练,您需要拥有大量您更有可能获得的每种颜色的图像。
希望对您有所帮助!