¿Cómo aprender a reconocer patrones y procesar imágenes?

Si tiene amigos que leen más literatura occidental sobre detección y reconocimiento de objetivos, definitivamente encontrará que la mayor parte de la literatura sobre detección y reconocimiento de objetivos se clasifica en las dos categorías siguientes: caras y automóviles. Sin embargo, existen pocas publicaciones que estudien la detección y el reconocimiento de clases de objetos que sean bastante diferentes. Esto desencadenó algunos de mis pensamientos y me gustaría compartirlo con todos ustedes.

En primer lugar: el rostro humano es un objetivo con pequeñas diferencias intraclase ¿Qué es la diferencia intraclase? Podemos entenderlo de esta manera: esto significa que su estructura no cambia. No importa qué tipo de persona sea, está compuesto por dos ojos, una nariz y una boca, por lo que para su detección, el uso de métodos de coincidencia de plantillas, um, basados ​​en fragmentos, puede lograr mejores resultados. Sin embargo, encontraremos que sólo existen unos pocos métodos de investigación sobre el reconocimiento facial. Para el reconocimiento facial, las diferencias dentro de la clase son bastante grandes. El método más eficaz en ingeniería es la coincidencia de plantillas, que hace coincidir las caras de la imagen con las imágenes de la base de datos de caras una por una. La persona con mayor similitud es la persona. De manera similar, un automóvil es una clase de objetos con poca variación dentro de una clase, y su característica más destacada e inmutable son sus ruedas. La carrocería puede ser diferente, pero las ruedas son las mismas. Por tanto, si podemos detectar mejor las ruedas en la imagen, también podremos detectar el vehículo.

Segundo: ¿Por qué no hay mucha literatura sobre otras categorías de objetivos? Es difícil. La razón de la dificultad es que es difícil encontrar características constantes. Por ejemplo: objeto rígido-taza de agua. Hay tantos tipos diferentes de vasos de agua y no es fácil saber cuáles son ****. Esto es especialmente cierto para objetos flexibles, etc. Por ejemplo: detectar árboles.

Finalmente, me gustaría darte algo de inspiración para mi investigación:

En primer lugar, antes de investigar el tema, debes elegir la imagen objetivo de la investigación. De hecho, también puede ser un tipo de objeto que todo el mundo esté estudiando, y no es necesario que sea nuevo. Por supuesto, si tienes un buen método de detección para este tipo de objetivos, también estás dispuesto a hacerlo.

En segundo lugar, no es necesario que su método sea universalmente aplicable. Sólo se requiere que sea eficaz para un determinado tipo de objetivo y que pueda producir artículos de alto nivel.

En tercer lugar, intentar comprender la mecánica de las imágenes desde una perspectiva matemática y comprender la estructura de las imágenes desde la perspectiva de un artista.