Cześć,
Taka sprawa już jakiś czas temu szukałem na necie coś w tym temacie tzn. Otóż buduje na podstawie scikit learn w python klasyfikator obrazów(czy na obrazie jest hamulec, garnek itd. wszystko cały czas na tym samym tle). De facto będzie to podobne do klasyka z zbiorem MINST(nie wiem jeszcze jaki klasyfikator wybiorę itp.) niemniej jednak oprócz tego chciałbym aby była też klasyfikacja ze względu na kolor czyli np. Wykryto "Czarny Garnek". I tu moje pomysły:
- Zrobić dwa klasyfikatory, najpierw wykryć jaki typ obiektu(przypominam w przykładach takich jak minst zmienia się zdjęcie na czarno-białe przed uczeniem) a następnie drugi klasyfikator do koloru. Opcja moim zdaniem taka ok
- Użyć opencv, usunąć tło, wykryć krawędzie i i wykrywać kolor. Wiem jednak z doświadczenia że algorytmy w opencv mogą źle wykrywać krawędzie i np. mamy na obrazku jeden obiekt a on wykryje więcej obiektów bo tak ułożyły się krawędzie. W każdym razie po wykryciu krawędzi można sprawdzać kolor. Moim zdaniem opcja gorsza
- Uciec do metod neuronowych?(moim zdaniem przerost formy nad treścią).
Co wy na to? Doświadczenia jakieś z podobnym problemem?
