【图片识别】如何发现同一款车？

[Johnbin]

假如我的图片库中已经有了各个车型的正、侧面清晰照片，那么给定一张汽车的正面或侧面照，如何能够识别出图片中的汽车和我的库中的那款车相似度最高？目
前图片识别技术能达到这一目的么？

[Christian]

如果是通过车标（或者有特定的某个外部特征）的话是可以的。否则需要照片的颜色和角度都很相近。Computer Vision目前的情况是可以判断图片局部的相似度，但是无法判断是否在逻辑上相似

在 2010年4月9日 上午12:02，Johnbin <johnbi...@gmail.com>写道：

假如我的图片库中已经有了各个车型的正、侧面清晰照片，那么给定一张汽车的正面或侧面照，如何能够识别出图片中的汽车和我的库中的那款车相似度最高？目
前图片识别技术能达到这一目的么？

--
To unsubscribe, reply using "remove me" as the subject.

--
因为无知而傲慢，因为有知而谦逊

[刘海]

目前的图片识别技术完全可以达到这个目的，给予各个车型的正，侧面清晰照片，提取一些特征，然后进行模式分类。

[Zhang Cheng]

目前的图像识别技术已经可以达到这样了。不仅可以识别车，还可以识别人脸。


Thanks,
Cheng

2010/4/8 Johnbin <johnbi...@gmail.com>

假如我的图片库中已经有了各个车型的正、侧面清晰照片，那么给定一张汽车的正面或侧面照，如何能够识别出图片中的汽车和我的库中的那款车相似度最高？目
前图片识别技术能达到这一目的么？

[Tomt]

最终还是提取图像的整体或者局部特征，色调、纹理，车牌等？

[liuxinyu]

建议你先看看"模式识别"的一些入门材料。这个已经很成熟了。
我记得15年前在MS亚洲研究院就看过识别猫狗的演示。

On Apr 9, 8:05 am, Tomt <tomtfore...@gmail.com> wrote:
> 最终还是提取图像的整体或者局部特征，色调、纹理，车牌等？
>
> --
> Subscription settings:http://groups.google.com/group/pongba/subscribe?hl=zh-CN

[郑培祥]

如果只是找出相似度高的，那么这个可以，但是如果从一堆车里找出来，那就困难了。

相似度有个评价标准（什么样的算是相似？）如果从“某些”标准来看，可以得到非常高的打分的结果，但是如果从人常识中的，潜意识中的标准来看，这个难度就大了。

--

To unsubscribe, reply using "remove me" as the subject.

--
     此致
敬礼！
                                                             郑培祥
--
Zheng PeiXiang
C++, JAVA, PYTHON, NLP, Semantic Role Labeling
Blog :zheng-peixiang.appspot.com
Twitter: http://twitter.com/zhpx

[liuxinyu]

举些例子，但实际上不是这样做的。

1. 互相关：将图片中的样本normalize后（包含前期的滤波，去噪，其次变换等等），和库中的模板做互相关sigma(|(xi-xj,
yi-jy))^2，互相关高的更相似；
2. 定义特征：然后计算匹配度：将图像中的样本膨胀、腐蚀提取出来后，做sobel滤波，获得几何边沿和顶点，正规化后，和库中模板做比较；
3. KL变换，然后贝叶斯。
4. 搞个人工神经元网络，然后用样本库训练--这个15年前出了N多论文，也算灌水的一大题目了。

--
刘新宇
http://sites.google.com/site/algoxy/home

On Apr 9, 12:42 pm, 郑培祥 <peixiang.zh...@gmail.com> wrote:
> 如果只是找出相似度高的，那么这个可以，但是如果从一堆车里找出来，那就困难了。
>
> 相似度有个评价标准（什么样的算是相似？）如果从"某些"标准来看，可以得到非常高的打分的结果，但是如果从人常识中的，潜意识中的标准来看，这个难度就大了。
>

[Johnbin]

嗯，我决定研究一下相关的论文，打算把这个应用实现。

On Apr 9, 1:15 pm, liuxinyu <liuxiny...@gmail.com> wrote:
> 举些例子，但实际上不是这样做的。
>
> 1. 互相关：将图片中的样本normalize后（包含前期的滤波，去噪，其次变换等等），和库中的模板做互相关sigma(|(xi-xj,
> yi-jy))^2，互相关高的更相似；
> 2. 定义特征：然后计算匹配度：将图像中的样本膨胀、腐蚀提取出来后，做sobel滤波，获得几何边沿和顶点，正规化后，和库中模板做比较；
> 3. KL变换，然后贝叶斯。
> 4. 搞个人工神经元网络，然后用样本库训练--这个15年前出了N多论文，也算灌水的一大题目了。
>
> --

> 刘新宇http://sites.google.com/site/algoxy/home

[Christian]

要达到足够的精度的话并不是那么容易的一件事。无论是用naive贝叶斯还是样本训练，其精度都是比较有限的，更何况随着训练样本容量的增大，错误识别率有很大可能会增加。模式匹配更多地是用来对图像中的某些反应特征的部分进行截取，但是，当该特征部分与背景或周边环境相似的话，匹配程度会大大降低。例如上面有人提到的人脸识别，如果你在一间背景为肉色的房间里，周围有很多人脸的塑像，那么你本人的脸并不容易被识别出来。另一方面，如果只有人脸的正面照，那么给定人脸的某个侧面同样比较难识别。猫和狗容易被识别，还有一个原因就是它们的表情远不如人脸丰富。
相对来说检验车型可能比较容易实现，但是复杂环境下并不容易，譬如改装车的识别，车辆污损等等。

--
因为无知而傲慢，因为有知而谦逊