4K वीडियो में तेजी से समोच्च पहचान: रंग और जटिल आकार

पिछले भाग में, "वीडियो से प्रशिक्षण - जल्दी और कुशलता से सेट", हमने दुर्लभ, असामान्य या बस जटिल वस्तुओं से जुड़े किसी भी कार्य के लिए तंत्रिका नेटवर्क का उपयोग करने की जटिलता के बारे में बात की। उदाहरणों को देखना सुनिश्चित करें, वे इसके लायक हैं।


क्लासिक कंप्यूटर दृष्टि एल्गोरिदम, जैसा कि यह निकला, उच्च गुणवत्ता वाले प्रशिक्षण सेट प्राप्त करने में बहुत मदद कर सकता है। स्वाभाविक रूप से, यह दृष्टिकोण सभी मामलों में लागू नहीं है, जिसके साथ इसे समझना आवश्यक है।

कठिनाई क्या है?

जैसा कि पिछले भाग में दिखाया गया है, सेटों का विस्तृत मैनुअल लेआउट एक बहुत ही समय लेने वाली प्रक्रिया है और, स्पष्ट रूप से, किसी भी समझदार व्यक्ति के लिए एक विकल्प नहीं है। स्वचालित अंकन, विशेष रूप से जब यह आकृति की बात आती है, तो बहुत अधिक दिलचस्प लगता है, लेकिन ब्याज के समोच्च को जल्दी और सही तरीके से कैसे प्राप्त करें?

सदस्यता समारोह

शायद यह सदस्यता समारोह से शुरू होता है। मान लीजिए कि हमारे लिए ब्याज की वस्तु एक उज्ज्वल रंग की विशेषता है, जो, इसके अलावा, एक विशेष दृश्य के संदर्भ में वस्तु के लिए अद्वितीय है:


दृष्टिकोण की बारीकियों को देखते हुए (अर्थात्, ऐसे दृश्यों की आवश्यकता है जो "पार्स" करना आसान है), प्रशिक्षण सेट प्राप्त करने के लिए उदाहरणों का चयन करने के लिए एक नियम बनाना बहुत आसान है: वे दृश्य जिनके लिए वांछित वस्तु की रंग विशिष्टता का नियम बहुत उपयोगी होगा (याद रखें, सभी कठिन मामलों के साथ याद रखें) आपको एक तंत्रिका नेटवर्क से निपटना होगा जिसे उत्पन्न सेट का उपयोग करके सफलतापूर्वक प्रशिक्षित किया गया है)।

वास्तव में, विशिष्टता की स्थिति एक आवश्यक न्यूनतम है, क्योंकि रंग पर काम किया जाना चाहिए और इस पर भी काम किया जाना चाहिए:

रंग की दूरी

रंग के साथ काम करना, इस मामले में, पूरे दृष्टिकोण का एक बहुत महत्वपूर्ण हिस्सा है। वास्तव में, सदस्यता फ़ंक्शन को एक निर्धारित सीमा के साथ दिए गए रंग के निकटता के एक समारोह के रूप में लागू किया जा सकता है:



मौजूदा समाधान सबसे सटीक मानक के रूप में कई डेल्टा ई कार्यान्वयन का उपयोग करता है। उदाहरण के लिए, LCH रंग स्थान में CIE94 (L * C * h):



रंग की दूरी के लिए बहुत बड़ी सीमा, पथ को "तोड़" करने की संभावना है, पिक्सेल को कैप्चर करना जो वांछित वस्तु से संबंधित नहीं हैं। बहुत छोटा - वांछित वस्तु के केवल भाग का चयन करता है। इस संबंध में, जटिल दृश्यों पर ध्यान देने की आवश्यकता है, उदाहरण के लिए:



फोटो में व्हेल अभी भी आंख के लिए समझ में आता है (कठिनाई के साथ, निश्चित रूप से), लेकिन रूपरेखा पहले से ही गलत तरीके से बनाई गई है। संपूर्ण उदाहरण:

सर्किट को पुनर्स्थापित करें

मान लीजिए कि रंग के साथ सब कुछ ठीक है, वांछित रूपरेखा कैसे प्राप्त करें? कार्य सरल नहीं है, क्योंकि परिणाम काफी जटिल होने की संभावना है, गुहाओं, मामूली तत्वों आदि के साथ। किसी एकल ऑब्जेक्ट के लिए पुनर्स्थापित किए गए समोच्च के लिए कौन सा विकल्प सही है?


प्रकाश जटिल है, छाया, रिफ्लेक्सिस तीन आयामी दुनिया का एक अभिन्न अंग है, आदि। हम एक अधिक जटिल उदाहरण का उपयोग करते हैं:


इस तरह के एक परिणाम प्राप्त करने के लिए एल्गोरिथ्म इस प्रकार है:

1. स्रोत छवि
2. स्कैन चरण चयन (प्रदर्शन महत्वपूर्ण)
3. क्षैतिज स्कैन
4. अलग-अलग "वस्तुओं" की खोज के लिए ऊर्ध्वाधर स्कैनिंग और चौराहे का विश्लेषण
5. मेटा-पिक्सल की एक सरणी का निर्माण (वस्तु के आकार और आंतरिक विशेषताओं दोनों की पहचान करना) और पोस्ट-प्रोसेसिंग (फ़िल्टरिंग, स्मूथिंग, आदि)
6. ऑब्जेक्ट के बहाल आकार का "वैश्वीकरण"

अंतरविश्लेषण विश्लेषण से अलग, असंबद्ध क्षेत्रों को स्थानीय बनाना आसान हो जाता है। स्कैन लाइन डिस्प्ले मोड को चालू करके, आप आसानी से दोनों दृष्टिकोण और अंतिम परिणाम पर स्कैनिंग कदम के प्रभाव को आसानी से देख सकते हैं। सीमा के साथ एक बहुत ही सरल चाल पर ध्यान दें जो आपके द्वारा किए गए इंप्रेशन को बेहतर बनाता है:



निम्नलिखित उदाहरण का उपयोग करके पुनर्निर्माण सर्किट की सटीकता का आसानी से मूल्यांकन किया जाता है:

अंतिम परीक्षण

अधिक वस्तुओं, अधिक आकृति, बेहतर सटीकता, बाल और 4K में - यदि आप अपने कार्यान्वयन की जांच करते हैं, तो गाने और नृत्य के साथ।


अगली बार तक, और अन्य समान रूप से दिलचस्प विवरण।

अन्य परिणाम

परियोजना के विकास का पालन करें

YouTube: RobotsCanSee
टेलीग्राम: RobotsCanSeeUs