roboforum.ru

Итак - можем ли мы считать, что есть некоторая функция, по которой можно определить на изображении, насколько "цепляет" данное место наше внимание.

Мысли на эту тему, чего она должна включать:

1. Яркость значительно выше среднего по изображению;
2. Сильно-контрастные участки;
3. Быстро изменяющиеся участки (если есть последовательность кадров);
4. Определенные цвета (здесь возможно обучение по предыдущей истории - какой цвет наиболее полезен, какой наименее);

Как она должна работать - производится вычисление функции для каждой точки изображения, затем находятся области с наибольшим значением этой функции, определяются кластеры со схожими признаками и высоким значением нашей функции.

В принципе для монолитных и не камуфлированных объектов все будет просто, а вот если объект окрашен во что-то типа "камуфляж", то все ужастно

PS: Например если мы попробуем обработать таким алгоритмом зебру, то есть 3 варианта, чего мы можем получить:

Вариант 1 - один кластер - вся зебра, однако непонятно как мы получим этот кластер и не факт что мы его получим не зацепив еще что-то;

Вариант 2 - два кластера - белые полоски зебры и черные полоски зебры - вероятность этого есть, если функция объединения в кластер сможет пропускать какие-то пробелы и объединять близко расположенные кластеры в один;

Вариант 3 - много кластеров - по одному на каждую полоску - наиболее вероятный и легко получаемый вариант, однако .

У кого какие мысли как это можно обработать в третьем варианте?

=DeaD= писал(а):Вариант 1 - один кластер - вся зебра, однако непонятно как мы получим этот кластер и не факт что мы его получим не зацепив еще что-то;

Т.е. надо найти кластер области по-нашему мнению принадлежащий всей зебре?
А как мы научим алгоритм отделять зебру от любого дрйгого изображения? А если научимся выделять целиком зебр, то на кой нам такой алгоритм будет нужен?:) По алгоритму на каждую тварь придется писать.

=DeaD= писал(а):Вариант 2 - два кластера - белые полоски зебры и черные полоски зебры - вероятность этого есть, если функция объединения в кластер сможет пропускать какие-то пробелы и объединять близко расположенные кластеры в один;

Это уже близко к смыслу. Опять же научиться структурировать изображения реального мира - невозможно без мощнейшего ИИ.

=DeaD= писал(а):Вариант 3 - много кластеров - по одному на каждую полоску - наиболее вероятный и легко получаемый вариант, однако .

Так по-моему работают большенство кластеризаторов.
Чтобы выделить зебру как единый объект нужна доп. информация, скажем 3D. Т.о. объединив в кластеризацию изображение и 3D точки (пусть не много, а промежутки интерполировать) - это уже что-то...

ИМХО