图像分类的主要难点

小白学视觉

共 2946字,需浏览 6分钟

 ·

2021-03-27 16:59

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达


图像分类是根据图像的类型(类别)为图像分配标签的过程。考虑我们有以下类别的图像:猫和狗因此,当我们将给定类别的图像提供给图像分类系统时,系统会根据类别为图像分配标签。例如,如果我们将下面给出的图像提供给“图像分类系统”。系统应为图像分配标签“ dog”。

图像分类的挑战:

1.类内变化

2.比例变化

3.视点变化

4.咬合

5.照明

6.背景杂波


1、类内变异


类内差异是同一类图像之间的差异。类内变异的示例是在我们的数据集中具有多种类型的椅子。椅子可以是“办公椅”,“舒适椅”,“餐桌椅”,“装饰椅”等。

在上面的图片中,我们有不同类型的椅子。因此,我们的图像分类系统应该能够解决类内变异问题。


2、比例变化


这个问题在图像分类中非常普遍。比例变化实际上是同一对象的图像具有多个大小。下图显示了同一对象__勺子的比例变化,但它们都是勺子的大小不同。

2、视点变化


我们具有视点变化,相对于如何在图像中拍摄和捕获对象,可以在多个维度上定向/旋转对象。无论我们从哪个角度捕捉椅子的图像,它仍然是椅子。

4、咬合


我们要在图像中分类的许多对象无法完全查看。很大一部分隐藏在其他对象的后面。

给出的是猫的图像,但请注意,它是如何在封面下静止的,这在我们看来是封闭的。这意味着它不是完全可见,但是我们的图像分类系统应该能够将其检测为猫。


5、照明


我们的图像分类还应该能够处理照明的变化。


这两个图像都属于同一杯,但是像素的强度级别有所不同。我们的图像分类系统应该能够处理光照的变化,因此当我们给图像分类系统提供相同物体的任何具有不同亮度(照度)的图片时,系统都应该能够为其分配相同的标签。


6、背景杂波


这意味着图像中有很多对象,对于观察者来说,找到特定对象非常困难。这些图像非常“嘈杂”。但是我们只对图像中的一个特定物体感兴趣;然而,由于所有的“噪音”,要挑出特定的物体并不容易。对于人类而言,这是一项非常艰巨的任务,因此请想象一下,对于没有图像语义理解的计算机而言,这是多么困难。

但是在某些情况下,图像中存在某些对象,但是该对象的外观与背景非常相似,因此在这些情况下,图像分类系统很难对对象进行分类。

在某些情况下,即使图像中没有物体,例如,如果我们向图像分类系统显示仅冰的图像,系统也会将其标记为熊。这是因为图像分类系统在训练过程中已经学会了图像中的图案,并且有白熊和无熊的冰的图案非常相似。因此我们的图像分类系统应该能够解决背景混乱的问题。这就是图像分类系统所面临的挑战。

下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 52
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报