Solutions pour la reconnaissance d’objets sur les appareils mobiles

Attacktive

Solutions pour la reconnaissance d’objets sur les appareils mobiles


Je vais écrire une application mobile qui reconnaît les images au sein d’un groupe cible fermé . Je suppose que le groupe contient 20 à 50 images comiques comme celle-ci .

L’application réagit si l’une de ces cibles est capturée par la caméra de l’appareil. C’est ça.

Il existe cependant certaines contraintes.

  • Il devrait reconnaître les cibles tournées .
  • Il devrait reconnaître ceux qui ont des perspectives et des niveaux de lumière différents .
  • S’il peut gérer avec une obstruction comme les doigts, je serai heureux avec ça. (optionnel)
  • Il devrait être facile de s’entraîner. (optionnel)
  • Je préfère des solutions inexactes mais rapides . (pas plus de 3 secondes, peut-être?)

Je n’ai pas assez de temps pour la tâche et je suis un peu nouveau dans le traitement d’image, donc commencer avec OpenCV prend beaucoup de temps, apparemment.

J’attends vos suggestions avec impatience.

De plus, les solutions ne doivent pas nécessairement être gratuites.


Éditer:

En ce qui concerne notre budget, je devrai peut-être demander à mon patron non technique qui ne connaît probablement pas le prix commun. Donnez-moi simplement des suggestions / offres quel que soit le prix, il en choisira une.

Neil Slater

La formation d’un classificateur Haar pour OpenCV n’est pas vraiment difficile. Voir par exemple youtube.com/watch?v=WEzm7L5zoZE . . . la partie chronophage du problème consiste à trouver suffisamment d’images d’échantillons pour terminer la formation.

Attacktive

@NeilSlater, belle vidéo. La formation elle-même semble donc simple avec OpenCV. Incroyable! Je vais essayer. Merci beaucoup.

Réponses


 mbrenon

[ Avertissement: je travaille pour Moodstocks ]

Vous devriez jeter un œil au SDK Moodstocks . Il s’adapte à la plupart de vos besoins:

  • il est robuste à la foudre et aux changements de perspective,
  • il tolère une occlusion partielle, par exemple par les doigts,
  • il ne nécessite aucune formation: il vous suffit de télécharger ( indexer ) une image pour la rendre instantanément reconnaissable,
  • c’est extrêmement rapide: la correspondance d’image se fait localement, donc sur un smartphone moderne vous obtiendrez un résultat en bien moins de 300 ms.

Le seul problème est la robustesse à la rotation: le SDK Moodstocks ne prend en charge que les petites rotations (~ 30 °). Cela étant dit, étant donné que vous avez un nombre limité d’images, cela peut être facilement résolu de manière plutôt brutale en indexant plusieurs instances de chaque image sous différentes rotations!

J’espère que cela t’aides!

Attacktive

Merci pour votre suggestion, Renon. Je m’amuse avec le procès, c’est super facile et est vraiment capable de ceux partiellement occlus comme vous l’avez dit. Bon travail!

 

#la, #pour, appareils, d’objets, Les, mobiles, reconnaissance, solutions, sur

 

elle.fr

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *