Разница между обнаружением признаков и обнаружением объектов

Обнаружение объекта обычно состоит из двух этапов: обнаружение признаков и классификация.

На этапе обнаружения признаков собираются соответствующие признаки объекта, который необходимо обнаружить.

Эти функции являются входными данными для второго шага, классификации. (Насколько мне известно, для обнаружения признаков можно использовать даже каскад Хаара.) Классификация включает в себя такие алгоритмы, как нейронные сети, K-ближайший сосед и так далее. Цель классификации состоит в том, чтобы выяснить, соответствуют ли обнаруженные признаки признакам, которыми должен обладать обнаруживаемый объект. Классификация обычно относится к области машинного обучения.

Обнаружение лица, например, является примером обнаружения объекта.

РЕДАКТИРОВАТЬ (9 июля 2018 г.):

С появлением глубокого обучения стали широко использоваться нейронные сети с несколькими скрытыми слоями, что позволяет относительно легко увидеть разницу между обнаружением признаков и обнаружением объектов. Нейронная сеть глубокого обучения состоит из двух или более скрытых слоев, каждый из которых специализирован для определенной части решаемой задачи. Для нейронных сетей, обнаруживающих объекты на изображении, более ранние уровни упорядочивают низкоуровневые признаки в многомерном пространстве (обнаружение признаков), а более поздние слои классифицируют объекты в соответствии с тем, где эти признаки находятся в это многомерное пространство (обнаружение объектов). Хорошее введение в нейронные сети такого типа можно найти в статье блога Wolfram «Запуск репозитория нейронных сетей Wolfram».

Обычно объекты представляют собой наборы функций. Функция имеет тенденцию быть примитивной вещью очень низкого уровня. Объект подразумевает переход понимания сцены на следующий уровень.

Элементом может быть что-то вроде угла, края и т. д., тогда как объектом может быть что-то вроде книги, коробки, стола. Все эти объекты состоят из нескольких элементов, некоторые из которых могут быть видны в любой данной сцене.

Инвариантность, скорость, память; несколько причин, я могу думать сверху моей головы. Другой способ - сохранить полное изображение, а затем проверить, похоже ли данное изображение на изображения стекла, которые есть в вашей базе данных. Но если у вас есть сжатое представление стекла, для него потребуется меньше вычислений (таким образом, быстрее), потребуется меньше места для хранения, а функции говорят вам об инвариантности между изображениями.

Оба метода, которые вы упомянули, по сути одинаковы с небольшими отличиями. В случае с Хааром вы обнаруживаете функции Хаара, а затем усиливаете их, чтобы повысить достоверность. Повышение — это не что иное, как мета-классификатор, который разумно выбирает, какие все функции Harr должны быть включены в вашу окончательную мета-классификацию, чтобы он мог дать более точную оценку. Другой метод также более или менее делает это, за исключением того, что у вас есть более «сложные» функции. Основное отличие состоит в том, что вы не используете усиление напрямую. Вы склонны использовать какую-то классификацию или кластеризацию, например MoG (смесь гауссова) или K-Mean или какую-либо другую эвристику для кластеризации ваших данных. Ваша кластеризация во многом зависит от ваших функций и приложения.

Что будет работать в вашем случае: это сложный вопрос. На вашем месте я бы поэкспериментировал с Хааром и, если бы он не сработал, попробовал бы другой метод (obs :>). Имейте в виду, что вы можете захотеть сегментировать изображение и задать какую-то границу для обнаружения очков.