Deep Neural Network를 사용하여 물체 크기 측정

10

나는 길이 (100k 샘플 이상)의 진실을 가진 차량의 큰 데이터 세트를 가지고 있습니다. 차량 길이를 측정 / 추정하기 위해 딥 네트워크를 훈련시킬 수 있습니까? 심층 신경망을 사용한 물체 크기 추정과 관련된 논문을 보지 못했습니다.

machine-learning deep-learning computer-vision

— 나지
소스

1

아주 좋은 질문입니다. AI에 오신 것을 환영합니다!

— DukeZhou

(게시자 참고 사항)-의견을 표시 할 수 없으므로 OP에 질문하기위한 자리 표시 자 답변입니다. 데이터가 이미지 또는 텍스트입니까? hisairnessag3는 OpenCV에서 픽셀 / 메트릭 접근 방식을 물체 감지 DNN으로 포팅하는 올바른 궤도에 있습니다.

— Adnan S

4

예! 가장 확실하게 할 수 있습니다. 레이블이 지정된 데이터 세트가 있으므로 더 간단합니다!

이 프로젝트를 살펴보면 어디로 가야하는지 알게 될 것입니다.

구현 세부 사항은 매우 간단해야합니다. 추가 도움이 필요하면 알려주십시오.

— hisairnessag3
소스

1

왜 누군가가 투표를하지 않는지 설명 할 필요는 없습니다. 많은 프로그래머는 의견을 볼 시간이 충분하지 않으며, 투표가 가치있는 답변인지 아닌지를 확인합니다. 질문을 다시 읽으면 질문은 DNN 사용에 관한 것이지 다른 것이 아니라는 것을 알 수 있습니다. 공유 한 프로젝트는 Opencv 사용에 관한 것입니다 ... 공유 한 게시물 아래의 댓글을 읽으면 사람들이 DNN에 대해 묻는 것을 알지만 게시물 자체는 DNN을 사용하지 않습니다. 그건 그렇고 나는 당신의 답을 아래로 투표 한 사람이 아닙니다

— BH85

2

필요하지 않지만 도움이됩니다. 심층적으로 검색하면이 특정 사용 사례에 대한 프로젝트 나 논문을 찾을 수 없습니다. 그 말로, 나는 OP를 시작하기 위해 가장 가까운 프로젝트를 참조했습니다. 또한 질문에 대답했습니다. 문제는 이것을 할 수 있다는 것이었다.

— hisairnessag3 3

답변 주셔서 감사합니다! 나는 그것이 어떻게 / 왜 가능한지에 대한 약간의 설명으로 개선 될 것이라고 생각합니다. 최소한 아키텍처의 개요는 매우 도움이 될 것입니다.

— Ben N

1

네, 그것은 가능하지만, 먼저 인식해야합니다 일부 이미지의 객체를 하나 1) 차량 자체, 그리고 그 차량의 알려진 크기를보고, 또는 2) 자동차로 카메라에서 같은 거리에있어 알려진 객체 ( 연석, 정지 신호, 운전자의 머리, 셰틀 랜드 조랑말 ... 뭐든지) 그런 다음 그 물체를 사용하여 매우 가까운 차의 크기를 교정하십시오.

이미지의 모든 자동차는 카메라에서 알 수없는 거리가되어 자동차 개체가 사진에서 사진에 따라 더 크거나 작게 표시됩니다. 차 또는 알려진 크기를 가진 참조 물체를 인식하지 못하면 차의 실제 크기는 교정되지 않습니다. 크기 추정의 근거가 없습니다.

자동차를 알 수없는 경우 시각적 단서가 있거나 (참조 물체가 있거나 카메라에서 자동차까지의 거리가 알려져 있음) 카메라 렌즈의 넓은 각도의 알 수없는 정도가 알 수없는 자동차의 모양을 왜곡 할 수 있습니다 (높이 대 너비), 겉보기 치수를 추정하는 능력이 더욱 복잡해집니다.

— 랜디
소스

차량의 번호판이 차량의 크기를 교정하는 데 사용되는 알려진 물체 일 수 있습니까? 번호판은 일반적으로 같은 크기입니다.

— Naji

1

자동차 번호판의 크기가 같다는 가정에주의해야합니다. 예를 들어 호주 판과 미국판은 크기가 다릅니다. 이것이 응용 프로그램에 문제가되지 않는 경우 (한 국가에서만 실행 됨) 플레이트의 참조 크기를 가정 할 수 있습니다. 플레이트가 정상적으로 방향을 향하지 않을 수 있으므로 여전히주의해야합니다. 자동차가 45 도인 경우 같은 거리에서도 판의 너비가 0보다 적은 픽셀을 차지합니다.

— pshlady

1

이 백서가 도움이 될 것으로 생각합니다. 딥 러닝 및 형상을 사용한 3D 경계 상자 추정

그는 1 대의 VGG-19 (ImageNet에 미리 훈련 된)를 사용하여 자동차의 크기를 배웠습니다.

— cryax dsa
소스

당신과 마찬가지로, 이것은 데이터가 2D 이미지로 표현되는 3D 경계 상자를 유추하는 것이라고 가정했습니다. hisairnessag3에서 언급 한 프로젝트는 이미지에 포함될 수있는 3D 특성에 대한 학습 된 추론 적 행동이없는 2D 경계 상자 만 처리하는 것으로 보입니다.

— Jim

이 논문은 2D 자른 이미지를 사용하여 자동차의 크기와 방향을 추정합니다 (원하는 대상 만 포함).

— cryax dsa