J'ai des images du type suivant
etc.
Quelle serait la manière la plus simple d'identifier de quelle pièce il s'agit et si elle est noire ou blanche? Dois-je utiliser l'apprentissage automatique ou existe-t-il un moyen plus simple?
3 Réponses :
Désolé, mais l'apprentissage en profondeur est peut-être exagéré pour reconnaître un ensemble d'images connu. Utilisez la correspondance de modèles! https://machinelearningmastery.com/using -opencv-python-and-template-matching-to-play-wheres-waldo /
Cela dépend de vos entrées. Si toutes vos données ressemblent à ceci (belles et propres, avec des contours identiques, juste l'arrière-plan et la couleur changent), vous pourriez probablement utiliser une sorte de correspondance pixel + couleur et vous pourriez être prêt à partir.
Vous savez certainement que l'apprentissage en profondeur et l'apprentissage automatique ne sont qu'une fonction approximative (fonctions de pixels dans ce cas), si vous pouvez la trouver (la fonction) sans utiliser ces méthodes (avec une quantité de travail raisonnable), vous devriez toujours le faire.
/ p>
Et non, l'apprentissage automatique n'est pas une solution miracle, vous obtenez une image et vous la jetez dans la magie de la boîte noire des réseaux de neurones convolutifs et vous obtenez vos résultats, ce n'est pas le but.
Vous pouvez le faire en utilisant l'apprentissage automatique (réseaux de neurones plan ou convolutifs). Ce n'est pas si difficile qu'un problème, mais vous devez faire un travail manuel pour créer un ensemble de données approprié avec beaucoup d'images.
Par exemple: Pour chaque pièce, vous devez créer une image avec une couleur de champ blanc / noir. Et vous devez faire différentes combinaisons, différents ensembles de pièces d'échecs et différents schémas de couleurs de table. Afin de rendre le système plus robuste au schéma de couleur, vous pouvez essayer différents canaux de couleur.
Il y a beaucoup de questions, les images que vous testez seront-elles toujours dans la même résolution? Si ce n'est pas le cas, vous devez également en tenir compte lors de la création de l'ensemble de données.
Oui, l'apprentissage automatique est la voie à suivre.
Consultez les méta-questions Quel site Web Stack Exchange pour l'apprentissage automatique et les algorithmes de calcul? ainsi que Site Stack Exchange pour poser des questions sur la vision par ordinateur? pour des suggestions où vous pouvez trouver des informations supplémentaires.
S'il s'agit toujours d'une image d'un ensemble fixe de 12 images, vous n'avez besoin d'aucun apprentissage automatique. Si les images sont toutes de couleurs, de contours, de formes différentes provenant de journaux, de journaux et de sites Web différents, c'est peut-être le cas.