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。

machine-learning deep-learning computer-vision

— 纳治
source

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

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。

— hisairnessag3
source

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。

— 兰迪
source

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

— cryax dsa
source

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