Классификатор изображений можно легко построить с помощью глубокого обучения, особенно сверточной нейронной сети (CNN). Однако вы можете просто реализовать классификатор изображений, используя традиционные классификаторы. В этом посте я расскажу, как создать классификатор изображений без использования глубокого обучения. Я не буду использовать математические формулы. Пожалуйста, постарайтесь понять обзор интуитивно.

видео

Извлечение признаков

Часть извлечения признаков относится к CNN. Важными понятиями являются окно и шаг. Обозначим горизонтальное окно как wx, вертикальное окно как wy, горизонтальный шаг как sx и вертикальный шаг как sy.

Предположим, у вас есть такое изображение:

Далее рассмотрим прямоугольник (называемый окном), ширина которого равна wx, а высота wy, например:

Мы помещаем окно, начиная с левого верхнего края изображения, следующим образом:

Затем мы перемещаем окно в зависимости от шага вправо-вниз следующим образом:

В каждой позиции окна векторизовать пиксели, рассматривать вектор в качестве примера (количество столбцов фиксировано), вертикально складывать векторы, а затем изображение преобразуется в матрицу. Обратите внимание, что количество столбцов результирующей матрицы не зависит от размера изображений. С помощью этой процедуры изображения преобразуются в матрицу и вектор следующим образом:

Обучение

Вы можете обучать любые традиционные классификаторы (например, XGBoost и RandomForest) с X и y выше.

Прогноз

Предсказание изображения проводится путем голосования. Во-первых, преобразование изображения в матрицу по процедуре, описанной выше. Во-вторых, предскажите метки примеров, используя обученный классификатор. Наконец, определите метку изображения большинством голосов. На рисунке ниже показана процедура:

Вывод

В этом посте я представляю способ создания классификатора изображений без использования глубокого обучения. Эффективный способ выборки для классификации ускорит скорость прогнозирования. Это моя будущая работа.

—

Спасибо за чтение!

Реализованный классификатор изображений находится здесь:

Видео, реализующее классификатор изображений, находится здесь:

Этот пост связан с моим каналом на Youtube: https://www.youtube.com/channel/UC-SHOllZQsQFCsbL3BvP1rA

Содержание может быть обновлено в будущем.