我對采取哪種方法感到困惑，這就是問題所在。我應該實作一個丟失/找到的模塊，該模塊可以識別乘坐出租車的乘客是否在后座上留下了東西。因此攝像頭將被放置在后座正上方，一旦乘客離開出租車，人工智能模塊將被觸發，以檢查乘客是否在座位上忘記了某些東西并提醒司機。現在的問題是 - 要確定是否有剩余的東西，我可以使用物件檢測，但并非所有物件都經過訓練，就像在許多情況下，它們只會在里面留下一些東西。很難量化。然后我想，因為我可以在他們坐下之前獲得一張影像，然后在他們退出后通過拍攝另一張影像進行比較并執行影像差異以找到輪廓。但是，不同的照明條件可能會錯誤地識別出實質性差異。[編輯]還有影像分類而不是檢測怎么樣，因為我真的對物體的位置不感興趣，只是想知道物體是否在那里
所以任何人都可以請推薦我一個好的方法來繼續。謝謝
uj5u.com熱心網友回復：
人們可以在出租車上忘記的物體種類不多（電話、錢包、包、雨傘、鑰匙、夾克、帽子……），所以我認為物體檢測可以完成 99% 以上的作業的情況。否則，擁有“出租車優先”的方法聽起來還不錯。您可以使用直方圖歸一化之類的方法來減少光線變化的影響。
我希望你有一個資料集可以處理，否則你應該做的第一件事就是收集一個。
uj5u.com熱心網友回復：
我認為你在正確的軌道上。您可以采用任何一種方式，物件檢測或影像分類。
對于初學者，我認為您應該嘗試影像分類。如果主要目標只是知道那里是否有物件，則這是一個二元分類問題，您將需要更少的標記程序。您只需要解決背景影像過多（沒有物件）和帶有物件的影像太少的問題，但這是可行的。從像 ResNet-50 這樣的預訓練網路開始，看看它是如何進行的，你應該用這種方法得到很好的結果。
對于物體檢測，我看到的問題是可能留在座位上的物體數量和可能的變化，是的，有一些常見的，你可以在它們上訓練一個網路，但如果有一個完整的你沒有訓練過的不同物件，網路甚至不會檢測到它。物件的變化在這里也很重要，根據我的經驗，物件檢測需要大量具有物件不同位置和樣式的資料。這是可能的，但很難。為了測驗這一點，在 COCO 上預先訓練的模型應該給你一個整體的視角。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/339250.html
上一篇：使用networkx繪制多部分圖