Контурный анализ

[WorldMaster]

Здравствуйте.

Есть парочка интересных вопросов на которые гугл так просто ответы не выдает.

После обработки картинки есть набор контуров. Среди этих контуров надо отобрать те которые гарантированно не содержат нужного объекта.
картинки 1 и 2


И второй вариант это когда контур может сам в себе содержать нужный объект. И его каким то образом надо разделить.
Картинка 3.

Сама задача найти шар в кадре.
Сколько роюсь в интернете ничего полезного найти не могу. Может у кого нибудь будут продуктивные идеи самого алгоритма??

[Pavia]

Обучить классификатор (деревья решений, нейронные сети)..

[WorldMaster]

Сообщение от Pavia

Обучить классификатор (деревья решений, нейронные сети)..

А пример?

[Cuprum5]

OpenCV в помощь.

[WorldMaster]

Сообщение от Cuprum5

OpenCV в помощь.

Там нету таких методов.

[Pavia]

Берёшь свои контуры. Вычитываешь их в массив, обрезаешь массив по длине до 8000 элементов. Если не хватает дополняешь нулями. Полученный массив записываешь в изображения размером 2х8000 и обучаешь классификатор изображений. В отчёте пишешь, что это классификатор контуров.

Вот тут классификатор адаптирован:
https://github.com/cbovar/ConvNetSha...Classify2DDemo

[WorldMaster]

Сообщение от Pavia

Берёшь свои контуры. Вычитываешь их в массив, обрезаешь массив по длине до 8000 элементов. Если не хватает дополняешь нулями. Полученный массив записываешь в изображения размером 2х8000 и обучаешь классификатор изображений. В отчёте пишешь, что это классификатор контуров.

Вот тут классификатор адаптирован:
https://github.com/cbovar/ConvNetSha...Classify2DDemo

Не особо понимаю как классификатор сможет вытащить из большого контура контур шара.

[Pavia]

Сообщение от WorldMaster

из большого контура контур шара.

Секрет прост. Вам нужно сделать генератор где этот шар перемещается вдоль линии.
Пропускаете через граф процесса: ваш анализ и классификатор.
Когда он будет обучен он запомнит все возможные положения шара. И будет вам их выдавать. Так как при генерации вы знаете положения шара вы будете знать его и при предсказании. Он будет выдавать вам наиближайшее значение к запомненной позиции.

Можно сразу ставить не как задачу классификации, а как задачу трансформации данных при помощи НС. Если НС правильно трансформировала, то она получает поощрение, не правильно получает наказание.

[WorldMaster]

Сообщение от Pavia

Секрет прост. Вам нужно сделать генератор где этот шар перемещается вдоль линии.
Пропускаете через граф процесса: ваш анализ и классификатор.
Когда он будет обучен он запомнит все возможные положения шара. И будет вам их выдавать. Так как при генерации вы знаете положения шара вы будете знать его и при предсказании. Он будет выдавать вам наиближайшее значение к запомненной позиции.

Можно сразу ставить не как задачу классификации, а как задачу трансформации данных при помощи НС. Если НС правильно трансформировала, то она получает поощрение, не правильно получает наказание.

Шар не только с границей может контактировать. Объекты могут быть любыми на пути. И вариаций контуров может быть бесконечно много.

[Pavia]

WorldMaster

Сообщение от WorldMaster

Шар не только с границей может контактировать. Объекты могут быть любыми на пути. И вариаций контуров может быть бесконечно много.

Это уже сложнее, но не намного. Надо научится вырезать части контуров.
К примеру по 100 отчётов с шагом 50.
Скорее всего, тут лучше сразу изображение разбить на клетки. И в этих клетках икать контуры-шара.

Для обучения потребуются все возможные варианты. Что-бы не генерировать бесконечное число вариантов обучение строится так, что-бы классификатор научился интерполировать результаты - изучайте теорию обучения. Но что-бы оно начало сносно работать перебрать кучу вариантов придётся. В первом приблеении можно остановиться на равенстве положительных результатов с отрицательным. Во-втором приближении 1 к 10.

Гугл обычно так обучает своих роботов, через каптчу.