Использование FlaNN (Fast Library for Approximate Nearest Neighbors) для приблизительного поиска похожих изображений в базе данных

[Использование FlaNN (Fast Library for Approximate Nearest Neighbors) для приблизительного поиска похожих изображений в базе данных]

Нужна-ли здесь нейронная сеть, не знаю. Может вполне хватит cvMatchTemplate?

Если использовать нейросеть (или другой классификатор), то нужно подготовить входные данные, это более важно, чем сам выбор классификатора. Можно взять в качестве обучающей пары, например, дескрипторы (Surf или Sift) и номер образца. По этим данным обучить классификатор, нейросеть, SVN, деревья, или каскады.

ЗЫ: FLANN хорошая библиотека. Многое зависит от архитектуры сети которую Вы составите и настроек этой сети.

Над SURF уже работают, это нужно как альтернатива, поэтому SURF не является альтернативой. И если я правильно понимаю то cvMatchTemplate здесь не подходит, поскольку шаблоны могут быть другого размера чем на входном фото и под разным углом, освещением.

вопрос справится ли FLANN с задачей быстрого поиска в базе подобных объектов как на входном фото?

Может ли FLANN найти координати шаблона на фото?

[Использование FlaNN (Fast Library for Approximate Nearest Neighbors) для приблизительного поиска похожих изображений в базе данных]

Здравствуйте.

Есть картинка например.

Есть эталони изображения

.

Нужно проверить какие из эталонов являютса на этом изображении.

Сможет ли FLANN справится с этой задачей?

[Поиск товаров на полках]

Спасибо за совет.

SURF то что надо!

Но теперь большой вопрос как приспособиты SURF к базе данных из более 1000 продуктов. Не бежать же по базе и проверять наличие каждого продукта?

Подскажите что-то эффективное пожалуйста

[Поиск товаров на полках]

а у тебя видов продуктов будет больше?

Продуктов должно быть много и они должны быть найдены на фото как можно скорее.

Пока с adaBoosting удалось добиться незначительных результатов!

Да и по неизвестным причинам иногда зависает haartraining при обучении .

(Было бы супер если бы ктота подсказал где может быть проблема).

фрагмент кода где возможно проблема (cvhaartraining.cpp)

for( ; ; )

           {

               ok = callback( &img, userdata );

               if( !ok )

                   break;


               CCOUNTER_INC(thread_consumed_count);


               sumdata = (sum_type*) (data->sum.data.ptr + i * data->sum.step);

               tilteddata = (sum_type*) (data->tilted.data.ptr + i * data->tilted.step);

               normfactor = data->normfactor.data.fl + i;

               sum.data.ptr = (uchar*) sumdata;

               tilted.data.ptr = (uchar*) tilteddata;

               icvGetAuxImages( &img, &sum, &tilted, &sqsum, normfactor );            

               if( cascade->eval( cascade, sumdata, tilteddata, *normfactor ) != 0.0F )

               {

                   CCOUNTER_INC(thread_getcount);

                   break;

               }

           }

насчет кода: как видите должно виполнится какое-то условие чтоб выйти с цикла, но при построении некоторых класыфикаторов почемуто условие не выполняется и цикл не останавливается(при том что для предидущих все было ок (да кстати на другой ОС для того же vec файла и тех же параметров тоже все било ок))

Дело в том что для данной задачи надо найти метод устойчив к разному освещению, угла наклона и масштаба.

[Поиск товаров на полках]

стоит ли использовать adaBoosting в данной задаче,или это будет некорректно?

[Поиск товаров на полках]

Здравствуйте.

Есть такая задача: все видели на полках в супермаркетах товары, есть как попало брошенные, есть те что красиво расставленые. Речь пойдет о вторых. Есть фотка полок супермаркета, есть фотка определенного товара(какой-то пример в базе данных). Нужно на фотке с супермаркета найти данный нам пример (как показано на фотке ниже)

Вопрос состоит в том, как это легче реализировать, какими способами и может какойто примерчик

Cпасибо!