Значит на каждый искомый объект нужен свой детектор? А затем для поиска нескольких объектов нужно поочередно прогнать кадр через каждый обученный детектор? Или можно обучить один детектор определять несколько объектов и затем отдавать имя распознанного?
Зависит от объектов. Подход, когда на каждый объект один детектор будет работать, но очень медленно и ресурсозатратно. Подход, когда мы научили детектор находить несколько разных объектов, а затем отдавать их на распознавание, может сработать. Но тут важно, чтобы детектор был способен научиться находить разные объекты. Если у на задача находить мячи, воздушные шары и настенные часы, то может сработать. Все перечисленные объекты несложные и довольно похожи друг на друга по форме. Как только вы попробуете детектировать объекты слишком различные между собой: кактусы и кошек. Начнутся проблемы. Это если мы говорим про SVM-детекторы. А вообще, детектировать можно не только с помощью SVM-детекторов. На канале есть видео, по этой теме, думаю вы найдёте там ответы на ваши вопросы: ruclips.net/video/kk2QZ9JL8RQ/видео.html
@@avt.global Спасибо за помощь, очень признателен. Хочу научиться как умные машинки принимают решение во время езды, а потом научить этому ребятишек в робостудии. Ваши видео сильно помогли в понимании. Если есть возможность, то может подскажите еще что почитать-посмотреть на эту тему?
А нельзя сразу сделать распознавание объектов, если взять из аннотации ещё и значение ?
dlib как это поставить ???
Базу дорожных знаков- могли бы перезолить
Значит на каждый искомый объект нужен свой детектор? А затем для поиска нескольких объектов нужно поочередно прогнать кадр через каждый обученный детектор? Или можно обучить один детектор определять несколько объектов и затем отдавать имя распознанного?
Зависит от объектов.
Подход, когда на каждый объект один детектор будет работать, но очень медленно и ресурсозатратно.
Подход, когда мы научили детектор находить несколько разных объектов, а затем отдавать их на распознавание, может сработать. Но тут важно, чтобы детектор был способен научиться находить разные объекты. Если у на задача находить мячи, воздушные шары и настенные часы, то может сработать. Все перечисленные объекты несложные и довольно похожи друг на друга по форме. Как только вы попробуете детектировать объекты слишком различные между собой: кактусы и кошек. Начнутся проблемы. Это если мы говорим про SVM-детекторы.
А вообще, детектировать можно не только с помощью SVM-детекторов.
На канале есть видео, по этой теме, думаю вы найдёте там ответы на ваши вопросы: ruclips.net/video/kk2QZ9JL8RQ/видео.html
@@avt.global Спасибо за помощь, очень признателен. Хочу научиться как умные машинки принимают решение во время езды, а потом научить этому ребятишек в робостудии. Ваши видео сильно помогли в понимании. Если есть возможность, то может подскажите еще что почитать-посмотреть на эту тему?