[PHP] «Обучаемая» распозновалка предметов на картинке

Готовых решений не встречал..

Есть решение с п/ю нейронных сетей. Для начала самое то: Уоссермен нейрокомпьютерная техника, 1992

P.S. Если получится найти решение, поделись:)

>Уоссермен нейрокомпьютерная техника
Щито? Я же не мир собираюсь захватывать.

в целом тема нетривиальная. я б прототип на opencv запилил

кстати и зря
тут как раз задача классификации по заданным образцам, самое то для нейросети

Насчет пхп хз, а вот п питоне можно заюзать PIL, или как там его, для картинок который, там вроде можно распознавалку сделать. И на джаве тоже вполне реально, но она не веб вроде.

Строим скелет изображения, нормируем размер (чтобы от размера изображения не зависеть), выделяем характеристики скелета (это - самый интересный пункт, вменяемого алгоритма я так и не нашел), затем находим корреляцию этих характеристик для одного и того же объекта, далее пытаемся распознавать с использованием наиболее явных характеристик.

Можно, кстати, попытаться нагуглить алгоритм работы какого-нибудь imgSeek.

Простенькая нейросеть

Алгоритмическая реализация этой «простенькой нейросети» такая, что проще другой способ выдумать :)

Так наверняка же есть готовые либы. (Главное туда не заглядывать, чтобы не захотелось застрелить автора :)

Справится ли у ТСа сервер с нагрузкой...

поковыряйте исходники типа этого http://www.delphisources.ru/pages/sources/graph/2005_year/neuro_40.html

попробуйте перепилить на нужный вам язык. картинки, естественно, предварительно надо нормализовать: фиксированный фон, заливка собственно предмета сплошным цветом. это же автоматизируется, наверное? ImageMagick или ещё что там можно использовать.

когда-то распознавалку капч «живых картинок» на kyivstar.net/sms делал, через цвета (вернее, сравнивались некоторые «суммы» цветов в контрольных точках) :) Тупой быдлокод, но работало, на php-gd, кстати

Скока картинок?

Может, имеет смысл нанять студентов по 100р/час, пусть сортируют?

Не, ваще не вариант. Очень много разных картинок.
Порядка 5гб.

ИИ с глазами

Нанять полюбому кого-то придется когда найдется решение.
Тк там почти все бытовые приборы на свете. И чтобы научить отличать машинку от тостера всё равно придется прогон с десяток картинок сделать.

>ИИ с глазами
Это как?

И вообще, слова «распознОть» нету, хотя это проверочное слово для названия треда.. Даже тупой опенофис знает как правильно писать это слово, а вот умный ЖертваОтАнал^WЛюбвиКЛинусу не знает.. Бррр

Если фон действительной сплошной цвет, то почему его просто не заливать цветом маски обычной заливкой, как в пейнте?

Это то же что и обычное ИИ, но имеющее глаза и систему обработки сигнала с них, да еще и с возможностью логически мыслить, отличая новую модель телефона по характерным признакам от новой модели телеграфа по тем же признакам

Шел бы ты отсюда.

Вообщем решение найдено. Правда на питоне но всё же.
Если оправдает себя выложу. Его допилить чуть чуть надо но прямо то что я хотел. Работа в два слоя с маской.

Интересно, а здесь ввобще кто-то сможет, рассматривая маску (контур) объекта, в точности определить, контур чего именно представлен?

Ну там... отличить контур калькулятора от контура электрической бритвы или что-то в этом роде?

>Ну там... отличить контур калькулятора от контура электрической бритвы или что-то в этом роде?

Блин, ну так ТС и просит какую-то технологию, которая бы это могла сделать.

Или чукча научился пока только писать?

1) Обучение
Изображение делается монохромным, вычленяются контуры предмета, затем изображение квантуется.
После того, как учитель указывает, какой категории принадлежит изображение, сеть либо считает его образцом, если это первое изображение в категории, либо «склеивает» с имеющимся образцом.

2) Распознавание
Изображение, которое требуется распознать, подвергается тем же операциям, что для создания образцов, затем в лоб сравнивается с образцом каждой категории. Если близость изображения к одному из образцов гораздо ближе, чем к остальным, то оно принадлежит этой категории. Иначе вывести пользователю n наиболее подходящих категорий вместе с распознаваемым изображением и попросить указать, к какой из них оно относится. После указания категории также склеить ее с образцом.

В качестве дополнительного улучшения: при обучении, если обработанное изображение, на некую достаточно большую величину отличается от уже имеющегося образца, притом, что учитель уверен, что правильно указал категорию, создавать для категории еще один образец, и при распознавании сравнивать с каждым из них.

> Изображение делается монохромным
Зачем?

вычленяются контуры предмета

каким образом?

изображение квантуется

Как?

Т.е. ты, любезный, опустил всё самое интересное и написал буквально следующее: «Если объект А больше похож на тип_1, чем на тип_2, то он принадлежит к тип_1».

А это уныло и бесполезно.

>Зачем?
Неправильно написал. Не монохромным, а бинарным. Собственно, этот шаг должен быть включен в поиск границ.

каким образом?

Я быдло без математического образования, поэтому могу только дать ссылку на быдлоресурсы с готовыми алгоритмами:
http://habrahabr.ru/blogs/image_processing/128803/
http://ru.wikipedia.org/wiki/Оператор_Собеля

Конечно, ужасно подходить к инженерной задаче с позиции «Что-нибудь сработает», но меня преследует подозрение, что в случае «отличить телефон от фена» любой алгоритм даст сильно отличающиеся друг от друга контуры.

Как?

Если изображение меньше заданных размеров для образца - интерполировать методом ближайшего соседа. Больше - разделить на квадратные сектора и присваивать ему белый цвет, если количество попавших в сектор пикселей белого цвета превышает определенный порог. Затем добавление полей/тримминг изображения.

Сначала изображение надо сделать «черно-белым» (т.е. цветное перевести в градации серого, чтобы от цвета не зависеть). Если необходимо еще анализировать цвет (фрукты/овощи и т.п.), придется изображение представить в каком-нибудь HSV.

Контуры определяются по черно-белому изображению. Например, можно использовать оператор модуля градиента, композицию «собелей» (вертикального и горизонтального) и т.п.

Только после этого изображение квантуется.

Короче, смотрите исходники imgSeek.

>Неправильно написал. Не монохромным, а бинарным. Собственно, этот шаг должен быть включен в поиск границ.

1) Даже на этом шаге уже есть проблема порога яркости, от которого вычислять к какому тону (цвету) относить каждый пиксель.

2) Зачем использовать Собеля для двухтонового изображения?

Для начала хватит и пары этих пунктов ;)

>Короче, смотрите исходники imgSeek.

И что он реально что-то может найти, кроме идентичных изображений или изображений с похожей цветовой гаммой?

Можно использовать идеи классификации изображений оттуда.

>Можно использовать идеи классификации изображений оттуда.

А нужно ли?

Если идеи не работоспособны для задачи, зачем на них тратить время?

Гуглите тогда методики однозначной классификации изображений.