使用opencv进行前景提取
Foreground extraction using opencv
我正在处理一个数据集（训练 + 测试），其中包含不同背景的不同购物车商品（例如：饼干、肥皂等），我需要预测所有测试图像的产品 ID（产品每个产品的 ID 都是唯一的，假设 Good-day 10 rs 的产品 ID 为 1，依此类推...对于不同的产品）
我的方法是：
1) 从图像中提取前景。
2) 应用 sift/surf 算法寻找匹配的关键点（或）训练更快的 RCNN...
我正在考虑构建一个 Haar Cascade 分类器，有人可以在 python 中为这种情况建议一个简单的前景提取算法吗？
出于实时目的，我不推荐 RCNN 模型，因为它们不是为实时而构建的，而是为精确而构建的。筛选或冲浪可以识别场景，但如果对象以某种方式变形，它们很容易失败。 haar 级联似乎是一个很好的解决方案。我还建议查看 Yolo or SSD models，因为它们可以很容易地通过迁移学习进行训练，并且它们在实时对象分类方面非常成功。 Opencv 也有一个用于 运行 这类神经网络的 DNN 模块。
我正在处理一个数据集（训练 + 测试），其中包含不同背景的不同购物车商品（例如：饼干、肥皂等），我需要预测所有测试图像的产品 ID（产品每个产品的 ID 都是唯一的，假设 Good-day 10 rs 的产品 ID 为 1，依此类推...对于不同的产品）
我的方法是：
1) 从图像中提取前景。
2) 应用 sift/surf 算法寻找匹配的关键点（或）训练更快的 RCNN...
我正在考虑构建一个 Haar Cascade 分类器，有人可以在 python 中为这种情况建议一个简单的前景提取算法吗？
出于实时目的，我不推荐 RCNN 模型，因为它们不是为实时而构建的，而是为精确而构建的。筛选或冲浪可以识别场景，但如果对象以某种方式变形，它们很容易失败。 haar 级联似乎是一个很好的解决方案。我还建议查看 Yolo or SSD models，因为它们可以很容易地通过迁移学习进行训练，并且它们在实时对象分类方面非常成功。 Opencv 也有一个用于 运行 这类神经网络的 DNN 模块。