图像识别问题

miaotuqin 2011-08-15 09:47:50

有一个课题，需要做图像识别处理。图像有两个定位点，以及一排不太规则的矩形框，需要计算矩形框到定点到定位点的距离，并计算矩形框的偏转角度。
1. 怎么做，用什么算法或者什么库比较方便
2. 有没有类似的例子可供参考
3. 失误率能控制在多少以内？最好万分之一

Thanks

...全文

27 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

miaotuqin 2011-08-19

打赏
举报

回复

thank zdg20042586, 不知谁还有何高见

zdg20042586 2011-08-16

打赏
举报

回复

一个简单的思路：
首先在定点生产一个矩形框，通过仿射变换形成一个与图形中的矩形框，并进行匹配，如果成功，就知道了相应的旋转角以及尺寸大小等参数
只是这个方法时间复杂度较高

图像识别任务面临着诸多挑战, 这使得它自计算机视觉领域1966年诞生以来就成为一个十分活跃的子领域. 本文将简要讨论图像识别问题的挑战以及为了应对这些挑战而使用的数据驱动过程. 1. 图像分类问题的挑战虽然从图像中识别一个对象对人类来说非常的简单, 但图像识别对计算机来说是一项极具挑战性的工作. 在计算机内, 图像是由一个很大三维数组表示的. 比如一张 1024 * 768 的图

图像用范识别技术是人工智能的重要领域。它是指图像的对象识别技术，用于识别不同模式的目标和对象。本文从图像识别的技术原理、识别过程以及应围方面讲述对图片识别技术的整体认知。前言 图像识别的发展经历了三个阶段：字符识别数字图像处理和识别对象识别顾名思义，图像识别就是对图像进行各种处理，分析，并最终确定我们要研究的目标。当今的图像识别不仅指人的肉眼，而且还指使用计算机技术进行识别。 1.图像识别技术原理原则上，计算机图像识别技术与人类自身对图像识别之间没有本质区别。我们自身进行图像识别依赖于

深度学习方法极度依赖大规模标注数据, 这一缺陷极大地限制了深度学习方法在实际图像识别任务中的应用。因此我们提出了小样本的图像识别 小样本图像识别任务需要机器学习模型在少量标注数据上进行训练和学习, 目前经常研究的问题为N-way K-shot形式, 即问题包括N种数据, 每种数据只包含K个标注样本. 现有的小样本图像识别问题可以看做是基于深度迁移学习的图像识别问题, 这里我们把上面提到的少量标注数据称作目标数据域, 后续的识别任务都是基于目标数据所包含的类别进行的; 然后为了辅助模型的训练, 通常会引入一

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算的前馈神经网络，是基于图像任务的平移不变性（图像识别的对象在不同位置有相同的含义）设计的，擅长应用于图像处理等任务。在图像处理中，图像数据具有非常高的维数（高维的RGB矩阵表示），因此训练一个标准的前馈网络来识别图像将需要成千上万的输入神经元，除了显而易见的高计算量，还可能导致许多与神经网络中的维数灾难相关的问题。本文主要讲解了CNN以及如何实现图像识别。

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别是人工智能的一个重要领域。主要的图像识别方法有基于神经网络的图像识别方法、基于小波矩的图像识别方法等。中文名图像识别方法外文名image recognition method学科领域人工智能模型模板匹配模型、原型匹配模型主要方法神经网络图像识别方法基本概念编辑语音图像识别，是指...

高性能计算

2,408

社区成员

1,024

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章