Jakie jest najlepsze rozwiązanie dla detektora niezmiennego obrotu?

Question

Chciałbym utworzyć wykrywacz obiektów oparty na klasyfikatorze kaskadowym, jedynym problemem jest to, że funkcje LBP i Haar nie są niezmiennymi obrotami. Pierwszą rzeczą, która przychodzi mi do głowy, jest obracanie próbki treningu pod różnymi kątami, ale wątpię, aby wynikowy klasyfikator miał dobrą jakość, ponadto obiekt mógłby mieć rozciągnięte proporcje. Istnieje wiele detektorów niezmiennych rotacji, na przykład iPhone rozpoznaje twarze w czasie rzeczywistym w dowolnej orientacji, więc zastanawiam się, jak to osiągnąć? Wolałbym użyć OpenCV do tego.

Answer 1

Co jakiś proste rozwiązanie ....

Object Detection using SURF

Answer 2

dla pasującymi logo myślę, że to jest to, czego potrzebujesz: http://www.ijera.com/papers/Vol2_issue5/JW2517421747.pdf

Answer 3

deskryptorów Fouriera są obrotowe niezmienniki (i tłumaczenie, a także skalowanie niezmienniki); ideą byłoby zatem wyszkolenie dowolnego klasyfikatora, z jakim można sobie poradzić w wyniku deskryptora Fouriera (PCA na deskryptorze Fouriera, skojarzone z SVM wydaje się być logicznym wyborem).

Zobacz Fourier Descriptors (Wolfram)

Answer 4

Sprawdź ramy wykrywania obiektów dostępne na https://github.com/nenadmarkus/pico.

Ramy pozwala dowiedzieć się detektor niestandardowego obiektu (na przykład do znalezienia frontalne, pionowe twarzy), a następnie użyć go do obrotu w czasie wykonywania niezmiennego wykrywania.

Uzyskuje się to poprzez zeskanowanie obrazu za pomocą obróconej wersji wykrywacza obiektów w wielu różnych orientacjach. Zauważ, że można to zrobić bez retransmisji kaskadowej lub ponownego próbkowania obrazu, i powinno działać w czasie rzeczywistym na nowoczesnych komputerach (w tym demonstruje wykrywanie twarzy).

Szczegóły są podane w dostępnej na http://arxiv.org/abs/1305.4537 papieru.