मुझे एक एल्गोरिथ्म की आवश्यकता है जो यह निर्धारित कर सके कि दो चित्र 'समान' हैं और रंग, चमक, आकृति आदि के समान पैटर्न को पहचानते हैं .. मुझे कुछ बिंदुओं की आवश्यकता हो सकती है जैसे कि मानव मस्तिष्क छवियों को 'श्रेणीबद्ध' करने के लिए किन मापदंडों का उपयोग करता है। ..
मैंने हौसडॉर्फ आधारित मिलान पर ध्यान दिया है, लेकिन यह मुख्य रूप से रूपांतरित वस्तुओं और आकार के पैटर्न के मिलान के लिए लगता है।
जवाबों:
मैंने कुछ ऐसा ही किया है, तरंगिका परिवर्तन का उपयोग करके हस्ताक्षर में छवियों को विघटित करके ।
मेरा दृष्टिकोण प्रत्येक रूपांतरित चैनल से सबसे महत्वपूर्ण n गुणांक लेने और उनके स्थान को रिकॉर्ड करने का था। यह एब्स (पावर) के अनुसार (पावर, लोकेशन) ट्यूपल्स की सूची को सॉर्ट करके किया गया था। इसी तरह की छवियां समानताएं साझा करेंगी कि उनके पास समान स्थानों में महत्वपूर्ण गुणांक होंगे।
मैंने पाया कि छवि को YUV प्रारूप में बदलना सबसे अच्छा था, जो प्रभावी रूप से आपको आकार (Y चैनल) और रंग (UV चैनल) में समानता की अनुमति देता है।
आप mactorii में उपरोक्त मेरे कार्यान्वयन का पता लगा सकते हैं , जो दुर्भाग्य से मैं उतना काम नहीं कर रहा जितना मुझे करना चाहिए :-)
एक अन्य विधि, जो मेरे कुछ दोस्तों ने आश्चर्यजनक रूप से अच्छे परिणामों के साथ उपयोग की है, बस अपनी छवि को नीचे कहने के लिए है, एक 4x4 पिक्सेल और स्टोर जो आपके हस्ताक्षर हैं। इसी तरह के 2 चित्र कैसे कहे जा सकते हैं, इसी चित्र को 2 पिक्सेल के बीच मैनहट्टन की दूरी की गणना करके, संगत पिक्सेल का उपयोग करके। मेरे पास यह विवरण नहीं है कि उन्होंने किस तरह का आकार दिया, इसलिए आपको उस कार्य के लिए उपलब्ध विभिन्न एल्गोरिदम के साथ खेलना पड़ सकता है जो कि उपयुक्त है।
हो सकता है कि आपकी रुचि कम हो।
अवधारणात्मक हैश एन। ऑडियो, वीडियो या छवि फ़ाइल का एक फिंगरप्रिंट जो गणितीय रूप से ऑडियो या विज़ुअल सामग्री पर आधारित है। क्रिप्टोग्राफ़िक हैश फ़ंक्शंस के विपरीत, जो इनपुट में छोटे बदलावों के हिमस्खलन प्रभाव पर भरोसा करते हैं, जो आउटपुट में बड़े पैमाने पर बदलाव लाते हैं, अवधारणात्मक हैश एक दूसरे के "करीब" होते हैं अगर इनपुट नेत्रहीन या ऑडिटरी समान होते हैं।
मैंने विभिन्न छवियों में एक ही वस्तु को फिर से पहचानने के लिए SIFT का उपयोग किया है । यह वास्तव में शक्तिशाली है, बल्कि जटिल है, और यह ओवरकिल हो सकता है। यदि छवियों को काफी समान माना जाता है तो दो छवियों के बीच अंतर के आधार पर कुछ सरल पैरामीटर आपको काफी कुछ बता सकते हैं। कुछ संकेत:
इस समस्या को हल करने के लिए मेरी लैब की आवश्यकता थी, और हमने टेन्सरफ़्लो का उपयोग किया। यहाँ छवि समानता की कल्पना के लिए एक पूर्ण ऐप कार्यान्वयन है।
समानता संगणना के लिए छवियों को वेक्टर करने वाले ट्यूटोरियल के लिए, इस पृष्ठ को देखें । यहां पाइथन (फिर से, पूरे वर्कफ़्लो के लिए पोस्ट देखें):
from __future__ import absolute_import, division, print_function
"""
This is a modification of the classify_images.py
script in Tensorflow. The original script produces
string labels for input images (e.g. you input a picture
of a cat and the script returns the string "cat"); this
modification reads in a directory of images and
generates a vector representation of the image using
the penultimate layer of neural network weights.
Usage: python classify_images.py "../image_dir/*.jpg"
"""
# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================
"""Simple image classification with Inception.
Run image classification with Inception trained on ImageNet 2012 Challenge data
set.
This program creates a graph from a saved GraphDef protocol buffer,
and runs inference on an input JPEG image. It outputs human readable
strings of the top 5 predictions along with their probabilities.
Change the --image_file argument to any jpg image to compute a
classification of that image.
Please see the tutorial and website for a detailed description of how
to use this script to perform image recognition.
https://tensorflow.org/tutorials/image_recognition/
"""
import os.path
import re
import sys
import tarfile
import glob
import json
import psutil
from collections import defaultdict
import numpy as np
from six.moves import urllib
import tensorflow as tf
FLAGS = tf.app.flags.FLAGS
# classify_image_graph_def.pb:
# Binary representation of the GraphDef protocol buffer.
# imagenet_synset_to_human_label_map.txt:
# Map from synset ID to a human readable string.
# imagenet_2012_challenge_label_map_proto.pbtxt:
# Text representation of a protocol buffer mapping a label to synset ID.
tf.app.flags.DEFINE_string(
'model_dir', '/tmp/imagenet',
"""Path to classify_image_graph_def.pb, """
"""imagenet_synset_to_human_label_map.txt, and """
"""imagenet_2012_challenge_label_map_proto.pbtxt.""")
tf.app.flags.DEFINE_string('image_file', '',
"""Absolute path to image file.""")
tf.app.flags.DEFINE_integer('num_top_predictions', 5,
"""Display this many predictions.""")
# pylint: disable=line-too-long
DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
# pylint: enable=line-too-long
class NodeLookup(object):
"""Converts integer node ID's to human readable labels."""
def __init__(self,
label_lookup_path=None,
uid_lookup_path=None):
if not label_lookup_path:
label_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_2012_challenge_label_map_proto.pbtxt')
if not uid_lookup_path:
uid_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_synset_to_human_label_map.txt')
self.node_lookup = self.load(label_lookup_path, uid_lookup_path)
def load(self, label_lookup_path, uid_lookup_path):
"""Loads a human readable English name for each softmax node.
Args:
label_lookup_path: string UID to integer node ID.
uid_lookup_path: string UID to human-readable string.
Returns:
dict from integer node ID to human-readable string.
"""
if not tf.gfile.Exists(uid_lookup_path):
tf.logging.fatal('File does not exist %s', uid_lookup_path)
if not tf.gfile.Exists(label_lookup_path):
tf.logging.fatal('File does not exist %s', label_lookup_path)
# Loads mapping from string UID to human-readable string
proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines()
uid_to_human = {}
p = re.compile(r'[n\d]*[ \S,]*')
for line in proto_as_ascii_lines:
parsed_items = p.findall(line)
uid = parsed_items[0]
human_string = parsed_items[2]
uid_to_human[uid] = human_string
# Loads mapping from string UID to integer node ID.
node_id_to_uid = {}
proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()
for line in proto_as_ascii:
if line.startswith(' target_class:'):
target_class = int(line.split(': ')[1])
if line.startswith(' target_class_string:'):
target_class_string = line.split(': ')[1]
node_id_to_uid[target_class] = target_class_string[1:-2]
# Loads the final mapping of integer node ID to human-readable string
node_id_to_name = {}
for key, val in node_id_to_uid.items():
if val not in uid_to_human:
tf.logging.fatal('Failed to locate: %s', val)
name = uid_to_human[val]
node_id_to_name[key] = name
return node_id_to_name
def id_to_string(self, node_id):
if node_id not in self.node_lookup:
return ''
return self.node_lookup[node_id]
def create_graph():
"""Creates a graph from saved GraphDef file and returns a saver."""
# Creates graph from saved graph_def.pb.
with tf.gfile.FastGFile(os.path.join(
FLAGS.model_dir, 'classify_image_graph_def.pb'), 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
_ = tf.import_graph_def(graph_def, name='')
def run_inference_on_images(image_list, output_dir):
"""Runs inference on an image list.
Args:
image_list: a list of images.
output_dir: the directory in which image vectors will be saved
Returns:
image_to_labels: a dictionary with image file keys and predicted
text label values
"""
image_to_labels = defaultdict(list)
create_graph()
with tf.Session() as sess:
# Some useful tensors:
# 'softmax:0': A tensor containing the normalized prediction across
# 1000 labels.
# 'pool_3:0': A tensor containing the next-to-last layer containing 2048
# float description of the image.
# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG
# encoding of the image.
# Runs the softmax tensor by feeding the image_data as input to the graph.
softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
for image_index, image in enumerate(image_list):
try:
print("parsing", image_index, image, "\n")
if not tf.gfile.Exists(image):
tf.logging.fatal('File does not exist %s', image)
with tf.gfile.FastGFile(image, 'rb') as f:
image_data = f.read()
predictions = sess.run(softmax_tensor,
{'DecodeJpeg/contents:0': image_data})
predictions = np.squeeze(predictions)
###
# Get penultimate layer weights
###
feature_tensor = sess.graph.get_tensor_by_name('pool_3:0')
feature_set = sess.run(feature_tensor,
{'DecodeJpeg/contents:0': image_data})
feature_vector = np.squeeze(feature_set)
outfile_name = os.path.basename(image) + ".npz"
out_path = os.path.join(output_dir, outfile_name)
np.savetxt(out_path, feature_vector, delimiter=',')
# Creates node ID --> English string lookup.
node_lookup = NodeLookup()
top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
human_string = node_lookup.id_to_string(node_id)
score = predictions[node_id]
print("results for", image)
print('%s (score = %.5f)' % (human_string, score))
print("\n")
image_to_labels[image].append(
{
"labels": human_string,
"score": str(score)
}
)
# close the open file handlers
proc = psutil.Process()
open_files = proc.open_files()
for open_file in open_files:
file_handler = getattr(open_file, "fd")
os.close(file_handler)
except:
print('could not process image index',image_index,'image', image)
return image_to_labels
def maybe_download_and_extract():
"""Download and extract model tar file."""
dest_directory = FLAGS.model_dir
if not os.path.exists(dest_directory):
os.makedirs(dest_directory)
filename = DATA_URL.split('/')[-1]
filepath = os.path.join(dest_directory, filename)
if not os.path.exists(filepath):
def _progress(count, block_size, total_size):
sys.stdout.write('\r>> Downloading %s %.1f%%' % (
filename, float(count * block_size) / float(total_size) * 100.0))
sys.stdout.flush()
filepath, _ = urllib.request.urlretrieve(DATA_URL, filepath, _progress)
print()
statinfo = os.stat(filepath)
print('Succesfully downloaded', filename, statinfo.st_size, 'bytes.')
tarfile.open(filepath, 'r:gz').extractall(dest_directory)
def main(_):
maybe_download_and_extract()
if len(sys.argv) < 2:
print("please provide a glob path to one or more images, e.g.")
print("python classify_image_modified.py '../cats/*.jpg'")
sys.exit()
else:
output_dir = "image_vectors"
if not os.path.exists(output_dir):
os.makedirs(output_dir)
images = glob.glob(sys.argv[1])
image_to_labels = run_inference_on_images(images, output_dir)
with open("image_to_labels.json", "w") as img_to_labels_out:
json.dump(image_to_labels, img_to_labels_out)
print("all done")
if __name__ == '__main__':
tf.app.run()
आप अवधारणात्मक छवि डिफ का उपयोग कर सकते हैं
यह एक कमांड लाइन उपयोगिता है जो एक अवधारणात्मक मीट्रिक का उपयोग करके दो छवियों की तुलना करती है। यही है, यह निर्धारित करने के लिए मानव दृश्य प्रणाली के एक कम्प्यूटेशनल मॉडल का उपयोग करता है कि क्या दो छवियां नेत्रहीन रूप से भिन्न हैं, इसलिए पिक्सेल में मामूली बदलाव को अनदेखा किया जाता है। इसके अलावा, यह यादृच्छिक संख्या पीढ़ी, ओएस या मशीन वास्तुकला मतभेदों में अंतर के कारण झूठी सकारात्मक की संख्या को काफी कम कर देता है।
यह एक कठिन समस्या है! यह इस बात पर निर्भर करता है कि आपको कितना सटीक होना चाहिए, और यह इस बात पर निर्भर करता है कि आप किस तरह की छवियों के साथ काम कर रहे हैं। आप रंगों की तुलना करने के लिए हिस्टोग्राम का उपयोग कर सकते हैं, लेकिन यह स्पष्ट रूप से छवियों के भीतर उन रंगों (यानी आकार) के स्थानिक वितरण को ध्यान में नहीं रखता है। किसी प्रकार के विभाजन के बाद एज डिटेक्शन (यानी आकृतियाँ बाहर निकालना) एक और छवि के खिलाफ मिलान के लिए एक पैटर्न प्रदान कर सकता है। आप बनावट की तुलना करने के लिए कोक्यूरेंस मैट्रिसेस का उपयोग कर सकते हैं, छवियों को पिक्सेल मानों के मैट्रिक्स के रूप में मानकर और उन मैट्रिसेस की तुलना करके। छवि मिलान और मशीन दृष्टि पर कुछ अच्छी किताबें हैं - अमेज़ॅन पर एक खोज कुछ मिल जाएगी।
उम्मीद है की यह मदद करेगा!
कुछ छवि मान्यता सॉफ्टवेयर समाधान वास्तव में विशुद्ध रूप से एल्गोरिथ्म-आधारित नहीं हैं, लेकिन इसके बजाय तंत्रिका नेटवर्क अवधारणा का उपयोग करते हैं। की जाँच करें http://en.wikipedia.org/wiki/Artificial_neural_network और अर्थात् NeuronDotNet जो भी दिलचस्प नमूने शामिल हैं: http://neurondotnet.freehostia.com/index.html
कोहेनन न्यूरल नेटवर्क / सेल्फ ऑर्गनाइजिंग मैप्स का उपयोग करके संबंधित शोध है
दोनों अधिक अकादमिक प्रणाली (PicSOM के लिए Google) या कम शैक्षणिक
( http://www.generation5.org/content/2004/aiSomPic.asp , (संभवतः सभी कार्य वातावरण के लिए उपयुक्त नहीं)) प्रस्तुतियाँ मौजूद हैं।
बड़े पैमाने पर स्केल-डाउन संस्करण के पिक्सेल रंग मानों के अंतर के वर्गों की राशि की गणना करना (जैसे: 6x6 पिक्सेल) अच्छी तरह से काम करता है। आइडेंटिकल इमेज से उपज 0, इसी तरह की इमेज से कम नंबर मिलते हैं, अलग-अलग इमेज से बड़ी आय होती है।
YUV में सेंध लगाने के लिए दूसरे लोगों के विचार सबसे पहले पेचीदा लग रहे हैं - जबकि मेरा विचार बहुत अच्छा काम करता है, मैं चाहता हूं कि मेरी छवियों को "अलग" के रूप में परिकलित किया जाए ताकि यह एक सही परिणाम प्राप्त करे - यहां तक कि एक colourblind पर्यवेक्षक के दृष्टिकोण से भी।
यह एक दृष्टि समस्या की तरह लगता है। आप एडाप्टिव बूस्टिंग के साथ-साथ बर्न्स लाइन एक्सट्रैक्शन एल्गोरिदम को देखना चाहते हैं। इन दोनों में अवधारणाओं को इस समस्या से निपटने में मदद करनी चाहिए। एज डिटेक्शन एल्गोरिदम में नए होने के साथ शुरू करने के लिए एक सरल स्थान है, क्योंकि यह मूल बातें बताता है।
जहाँ तक वर्गीकरण के मापदंडों की बात है:
आपको कितने सटीक परिणाम चाहिए, इसके आधार पर, आप बस nxn पिक्सेल ब्लॉक में छवियों को तोड़ सकते हैं और उनका विश्लेषण कर सकते हैं। यदि आपको पहले ब्लॉक में अलग-अलग परिणाम मिलते हैं, तो आप प्रसंस्करण बंद नहीं कर सकते, जिसके परिणामस्वरूप कुछ प्रदर्शन में सुधार होगा।
वर्गों का विश्लेषण करने के लिए आप उदाहरण के लिए रंग मूल्यों का योग प्राप्त कर सकते हैं।
मुझे यह लेख बहुत उपयोगी लगा कि यह कैसे काम करता है:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
आप दो छवियों के बीच कुछ प्रकार के ब्लॉक-मिलान गति अनुमान लगा सकते हैं और अवशिष्ट और गति वेक्टर लागतों के समग्र योग को माप सकते हैं (बहुत कुछ एक वीडियो एनकोडर में ऐसा करेगा)। यह गति के लिए क्षतिपूर्ति करेगा; बोनस अंक के लिए, चक्कर-परिवर्तन गति अनुमान (ज़ूम और स्ट्रेचिंग और समान के लिए क्षतिपूर्ति) करें। आप अतिव्यापी ब्लॉक या ऑप्टिकल प्रवाह भी कर सकते हैं।
चर्चा में देर से शामिल होने के लिए क्षमा याचना।
हम दो छवियों के बीच समान विशेषताओं के बिंदुओं का पता लगाने के लिए ORB पद्धति का उपयोग भी कर सकते हैं। निम्नलिखित लिंक अजगर में ओआरबी का प्रत्यक्ष कार्यान्वयन देता है
http://scikit-image.org/docs/dev/auto_examples/plot_orb.html
यहां तक कि ओपनसीवी को ओआरबी का प्रत्यक्ष कार्यान्वयन मिला है। यदि आप अधिक जानकारी के लिए नीचे दिए गए शोध लेख का अनुसरण करते हैं।
इस पर अन्य सूत्र में कुछ अच्छे उत्तर हैं, लेकिन मुझे आश्चर्य है कि अगर वर्णक्रमीय विश्लेषण में कुछ काम करेगा? यानी, यह चरण और आयाम जानकारी के लिए छवि को तोड़कर उन लोगों की तुलना करें। यह कुछ मुद्दों पर फसल, परिवर्तन और तीव्रता के अंतर से बच सकता है। वैसे भी, यह सिर्फ मुझे अटकलें हैं क्योंकि यह एक दिलचस्प समस्या है। यदि आपने http://scholar.google.com खोजा है तो मुझे यकीन है कि आप इस पर कई कागजात लेकर आ सकते हैं।