¿Cuáles son algunas de las funciones de entrada de aprendizaje automático para la detección de objetos?

Bueno, cualquier método algorítmico para hacer el aprendizaje automático de las características y la detección de objetos de una manera robusta requerirá primero analizar la imagen detectada y luego compararla con una base de conocimiento (una forma más adaptativa y robusta de una base de datos que se puede alterar usando Un método de aprendizaje algorítmico). Luego debe determinar el método estadístico particular en el que debe basarse su algoritmo de aprendizaje. En general, necesitaría utilizar métodos de aprendizaje basados ​​en pizarra. Tales métodos de aprendizaje se encuentran típicamente en sistemas expertos. También debe comprender que dicho sistema solo podrá aprender en un entorno de aprendizaje supervisado y debe tener una manera de activar y desactivar la capacidad del sistema de aprender a voluntad. Teniendo en cuenta todos estos factores, debería poder lograr lo que está buscando hacer. Buena suerte. Robotronics LLC | Facebook

Algunas de las características básicas incluyen píxeles en bruto, histograma de gradientes (HoG), características de textura (Gabor Wavelets, D2 Wavelets, etc.), características de forma de segmento alrededor de los cuadros delimitadores son algunos de los ejemplos. Ha habido muy poca innovación en la representación de características en los últimos 5 años en Reconocimiento de objetos, sin embargo, la inteligencia está básicamente en algoritmos de aprendizaje automático y correlaciones de contexto de contenido en sí mismas que son lo suficientemente complejas como para usar el mismo conjunto de características para mejorar trabajo de clasificación y detección.

Puede ver las características actuales del arte que se utilizan en el desafío ImageNet 2016 aquí: Concurso de reconocimiento visual a gran escala ImageNet (ILSVRC). y una lectura rápida sobre diferentes formas de métodos de detección de objetos.