[PYTHON] Grundprinzipien der Bilderkennungstechnologie (für Anfänger)

Was ist Bilderkennungstechnologie?

Texterkennung, Gesichtserkennung usw. sind alle Anwendungen der Bilderkennungstechnologie. Dies alles ist jedoch eine grundlegende Anwendung der Bilderkennungstechnologie. Nach dem Stand der Technik kann bereits erkannt werden, ob es sich um ein Hundebild oder ein Katzenbild handelt. Wie hast du das gemacht? Bei der Forschung von Experten betrachten Menschen die Umrisse eines Objekts, bevor sie entscheiden, was es ist. Die Bilderkennungstechnologie ist dieselbe, und der Umriss des Bildes wird zuerst erkannt.

Adit Deshpande, ein Student an der University of California, schrieb einen Artikel mit dem Titel "Ein Leitfaden für Anfänger zum Verständnis von Faltungs-Neuronalen Netzen". Darin haben wir den Bilderkennungsalgorithmus und die grundlegenden Ursachen für Anfänger leicht verständlich vorgestellt.

Computer konvertieren Bilder in numerische Arrays, daher ist "Bilderkennung" die Analyse numerischer Arrays. Im Allgemeinen können Sie das Bild verkleinern (49 x 49 Pixel) und die Farbinformationen für jedes Pixel in einen Grauwert konvertieren, um eine 49 x 49-Matrix zu erhalten, die zusätzliche Informationen ausschließt. Nehmen Sie als nächstes die kleinen Blöcke nacheinander von oben links heraus und berechnen Sie.

Beispiel 1:

Die Abbildung rechts ist eine Kurve, und die Abbildung links ist eine graue 7 x 7-Kurvenmatrix. Der Kantengrauwert ist an der Kurve hoch und alles andere ist "0".

Die Bilderkennung wird von nun an durchgeführt. Unten ist ein Bild einer Maus.

Nehmen Sie den Block in der oberen linken Ecke, konvertieren Sie ihn in eine graue Matrix, multiplizieren Sie die Zahlen an den Überlappungen der Matrix und addieren Sie sie zu 6600. Es ist eine ziemlich große Zahl, aber was können Sie erklären?

Das Matrixieren des Rattenkopfes ergibt einen Wert von 0.

Fazit: Es wurde gefolgert, dass es viele Bildanpassungsteile gibt, wenn der Wert des Berechnungsergebnisses groß ist. Normalerweise werden viele Modi im Voraus vorbereitet, der optimale Modus wird für jeden Block berechnet und schließlich wird das Ganze beurteilt.