解决方案:采集器的自动识别算法(一)_光明网(图)

　　解决方案:采集器的自动识别算法(一)_光明网(图)

　　采集器的自动识别算法通常是依据照片偏差来生成相关性很小的数据进行特征点提取,自动识别一般都是识别出一定范围内的特征点,也就是区域内的个数(iou)大于一定阈值才可以被识别.当然也有例外,比如图像区域内有杂物,只有少数几个实体可以被自动识别.

　　这个要么就是基于类的算法，要么就是基于一些特征点，或者是没有用的某种特征点。比如区域内的特征点少，但是在图像中存在多个点的话，想要分类就要将某几个点进行特征点提取计算。所以区域内的几个点几乎都会识别出来，至于具体选择哪个点，具体取决于对于某种图像分类的准确率。一般来说生成的点都较为准确，因为iou（一定范围内图像内包含的最小单元）大于阈值会被自动识别，区域内比如说从左上到右下全是点，这种点识别结果也会好。

　　基于特征的，一个特征点上的分类图一般会识别出50%-70%的结果。区域内的特征点，当每个特征点的分类结果相差比较大的时候，一般会认为是区域内的，当然这个不绝对，有的特征点分类后，可能结果特别的差。

　　都认为是，一般是区域内的较好。至于对大小的判定，

　　1：对于图像识别问题，不用单单的回答是或者不是，从文章目的来说，它只是解决一个问题：输入和输出的判断问题，输入输出一般是图像本身，会算出一个关于图像输入的结果，对于模型的认识：对于输入（图像），会算出一个最大iou值，也就是输入和输出的结果比较值。如果都在区域内，就认为是区域内的(当然，特殊情况除外)，当输入输出有不在区域内时，则认为是不在区域内的(当然，特殊情况除外)。

　　2：从数学角度上来看的话，取决于我们最初假设的变量选择。比如说两张图片，在同一个位置有不同的颜色值，有个样本，且这两个颜色值点的距离也很近，一个样本是0.5，一个样本是1.5。这个时候取0.5这个点做特征。其他值作为进一步的判断即可。对于区域内的点，在相同颜色值情况下，点位于同一区域内，那么这个点就可以在这个区域内。

　　如果在不同区域，那么取出一个属于区域内的，与最小区域内的点做比较，如果在多个区域内，那么取这个取后面最小的那个区域，再比较相邻的两个区域，都不在区域内，则认为是不在区域内。对于大小来说，我认为实际情况下我们考虑空间分辨率和高度。对于同一大小的图片，颜色值相同的话，取对于高度相同的这一特征点。对于不同颜色值情况下，取对于颜色值，高度在高的区域内的点，判断点相似度即可。无线区域内的一些点在输入上有可能没有问题，但是将来可能会有新情况出现。比如空间分辨率低的图。