Intentaría utilizar un enfoque estándar de ventana deslizante. Primero, reúna un conjunto de entrenamiento etiquetado con botellas marcadas con cajas delimitadoras. Esta parte es un trabajo manual intensivo que debe realizarse con gran atención si no se proporciona un conjunto de datos. Luego defina algunas características relevantes para la tarea. Recomiendo algo basado en gradiente como HOG y un histograma de color para comenzar. Elige un clasificador. Recomiendo encarecidamente un clasificador mejorado con alumnos débiles en el árbol de decisión, pero cualquier clasificador estándar es bueno (SVM, KNN, Bayes, etc.).
Use el proceso de arranque para entrenar a su clasificador. Elija una cierta cantidad de ejemplos positivos y ejemplos negativos del conjunto de entrenamiento. Evalúe su detector en el conjunto de entrenamiento para encontrar qué errores comete y agregue esos errores al conjunto de entrenamiento y vuelva a capacitar a su clasificador. Esto es necesario porque no puedes entrenar con todos los cultivos de imágenes posibles, ya que su número es grande.
Su detector debe recorrer la imagen y clasificar cada cuadro delimitador con el clasificador aprendido. De esta manera, detectará las botellas en todos los casos, incluso cuando haya una, incluso cuando haya más, e incluso cuando la imagen esté llena de botellas. Puede encontrar que estos casos requieren que entrene clasificadores individuales específicos para ellos.
- IA y teoría del control: ¿Cómo se usan hoy en día en robótica y cómo puedo comenzar a aprender sobre ellos para implementar un proyecto?
- ¿Qué son los personajes de escape?
- ¿Por qué se basan los índices 1 de Matlab?
- ¿Cómo eliminar esto?
- ¿Cuál es la mejor plataforma que es segura, escalable e integrable para construir bots de chat?
