首先,感谢您阅读我的问题。我是计算机视觉的初学者。
我看了很多书,但没有找到任何解决办法。
我有一张图片,我想检测上面的 Logo 。 另外,我有一整套带有不同 Logo 的图像,所有图像上都包含一个 Logo ,仅此而已。
当我拥有一整套(数千个)训练集(已知 Logo 集)时,您能否帮助我了解如何检测图像上的 Logo ?
这可以通过对少数已知 Logo 使用 SURF 或 SIFT 特征检测算法,将给定图像与所有其他图像进行匹配来完成,但我有一个庞大的数据集,我无法与所有其他图像进行匹配。 尝试数据集中的所有图像需要太多时间:)
任何 SDK 都有用吗? (它甚至可以用于手机或台式机)。 或者我可以使用一些多种算法吗?
我用 SIGMA 算法找到了一篇关于这个问题的有趣论文,但我找不到这些算法的任何描述 (http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=5495345)。
我认为检测图像上的特征是可以的(SIFT,也许是 SURF)。 但我认为问题在于大量已知图像/ Logo 。 我认为它应该以特殊的方式存储。 前任。以某种方式从数以千计的已知 Logo 中制作一棵树,或者将它们分成几组。
这个任务可以做吗?
感谢任何帮助。
最佳答案
数以千计的训练集仅对测试您的算法有用,对分析新图像没有帮助。
我过去做过一些模式识别,我会这样开始:寻找锐利的边缘(锐利的颜色过渡)。因此,对所有位于同一个角落的特征进行边缘过滤和统计分析。算法的结果将是一个数字,您将在训练集中使用该数字。
由于您正在进行原创研究,因此请做好长期工作的准备。如果还存在带有函数“ImageHasLogo()”的 SDK,您可以在 Google 上找到它。
关于image - 具有巨大数据集的 Logo 识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21289247/