使用深度神经网络测量对象大小


10

我有一个很大的车辆数据集,这些车辆的长度具有地面真实性(超过10万个样本)。是否可以训练一个深度网络来测量/估算车辆长度?我还没有看过任何有关使用深度神经网络估计对象大小的论文。


1
很好的问题。欢迎使用AI!
周公克

(主持人注意)-这是向OP提问的占位符,因为我无法评论您的数据集是图像还是文本?hisairnessag3步入了正确的轨道,将像素/度量方法从OpenCV移植到对象检测DNN
Adnan S

Answers:


4

是! 这当然可以做到。由于您具有标记的数据集,因此变得更加简单!

我将看一下这个项目,它应该可以让您到达需要的地方。

实现细节应该非常简单。让我知道是否可以进一步提供帮助。


1
无需解释为什么有人拒绝投票。许多程序员没有足够的时间查看注释,而是查看投票以查看答案是否值得。如果再次阅读该问题,您会发现该问题专门用于使用DNN,而不是其他任何问题。您共享的项目是有关使用Opencv的...如果您阅读共享的帖子下的评论,您会发现人们在问有关DNN的问题,但该帖子本身并未使用DNN。顺便说一下,我不是投票赞成您的人
BH85 '17

2
这不是必需的,但有帮助。如果您进行任何深度的搜索,都不会发现有关此DNN特定用例的项目或论文。话虽这么说,但我引用了最接近的项目,希望能启动OP。另外,我回答了这个问题。问题是可以做到这一点。
hisairnessag3

感谢您的回答!我认为通过对如何/为什么可行的一些解释会有所改善。至少对架构进行概述将非常有帮助。
本N

1

是的,这是可能的,但是首先您必须识别图像中的某些物体,或者1)车辆本身,然后报告该车辆的已知大小,或者2)距相机与汽车距离相同的已知物体(路缘,停车标志,驾驶员的头部,设得兰群岛小马……等等),然后使用该物体校准非常接近它的汽车的尺寸。

图像中的任何一辆汽车与相机之间的距离都是未知的,从而使汽车物体在照片之间显得更大或更小。如果您无法识别汽车或至少具有已知尺寸的参照物,则汽车的物理尺寸将无法校准-您将没有尺寸估算的依据。

如果汽车未知,则即使您有视觉线索(存在目标物体或已知照相机到汽车的距离),照相机镜头的广角度的未知程度也可能使未知汽车的形状变形(高度与宽度),使估算其外观尺寸的能力进一步复杂化。


车辆的车牌可以是用来校准汽车尺寸的已知物体吗?车牌通常大小相同。
纳吉(Naji)

1
您必须小心假设车牌大小相同。例如,澳大利亚板块和美国板块大小不同。如果这对您的应用程序来说不是问题(它只会在一个国家/地区运行),则可以假定该印版的参考尺寸。不过,您仍然必须要小心,因为平板可能无法正确定向。如果汽车处于45度角,则即使在相同距离下,车牌的宽度也将比0处的像素少。
pshlady

1

我认为本文可以为您提供帮助:使用深度学习和几何进行3D边界框估计

他使用1个VGG-19(在ImageNet上进行了预训练)来学习汽车的尺寸


像您一样,我假设这是关于推断3D边界框的信息,其中数据以2D图像表示。hisairnessag3提到的项目似乎只解决了2D边界框问题,而没有关于图像可能包含的3D性质的学习推断行为。
吉姆(Jim)

本文使用2D裁剪图像(仅包含所需对象)估算汽车的尺寸和方向。
cryax dsa
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.