エクササイズ シューズ MBT 2013最新入荷のMBT シューズ,MBT ブーツ

エクササイズ シューズ MBT

記述子のどのような私はシールカブ検出に使用する必要があり私は、ビーチから取られる空中像でシールカブスを(動物)を検出するとカウントするプロジェクトがあります。 シールカブスは茶色と大きい成人シールに比べて黒と小さい。いくつかのシールカブスは重なっ/部分的に閉塞されています。 ビーチ色は検出困難を高めるいくつかの黒い岩がそこにいるしかし近い黄色です。私はこの問題の理論部分に求めている。 私は私のプロジェクトを実装すると思います、最初のステップは、ほとんどのオブジェクトを表すことができ、正しい記述子を選択すべきで、その後(数弱機能ではなく、必要なを組み合わせる?)、/ SVM / neural_networkを高めるような機械学習法を用いて分類器を訓練私は右の午前 ?私は右の子を選択すると起動するのに最適な場所であることに同意はよく分からない。 根本的な問題は、すべてのオブジェクトの形状が似ているということである。 それぞれの動物の中かなりの勾配もあります。 ポーズの複雑さは別の問題です。 私は、さらに2つの簡単な手順に問題を破るであろう:1。 一意の物体検出(エッジ検出、流域、グラフカット等)。 血液細胞を数えるの問題のようなもの。2。 色や面積に基づいてオブジェクト分類(カメラの視点に正規化)。 各オブジェクトには、 黄色の色の画素、 黒色のついたピクセルの端数金額を計算し、オブジェクトの分類(ニューラルネットワークはここに楽しいソリューションです!)への入力としてオブジェクトのサイズと一緒にそれらの値を使用しています。これはかなり雑然とシーンですので、私はこれらのアルゴリズムの両方が何らかのfinetuningを必要とするように期待する。 要件がアナリストの相互作用のいくつかのレベルを許可する場合、アナリストがあなたのアルゴリズムでしきい値をそれぞれ調整することができるように、いくつかのスライダーを提供する。コンピュータビジョンアルゴリズムの精度は、特定の問題の微調整彼らにできることに大きく依存しているようだ。 あなたがあなたのアルゴリズムを渡している写真についての仮定を行うことができれば、それらのすべてが同じようなビーチのシーンでアザラシの空中像であるという事実と同様に、あなたはそのことを活用することができます。 私は地元の機能とあまりに空想取得しようとする前に、分水界セグメンテーションのようなものを試してみて、非バックグラウンドセグメントの数をカウントすることをお勧めしますと言うだろう。 流域には、 バックグラウンドと 前景のセグメントを区別するために、入力に関する事前知識を組み込むための マーカーと呼ばれる便利なフレームワークを提供します。このようなアプローチが容易になる、おそらくより正確な局所特徴よりも可能性があります。 私の経験では、私は、SIFTとSURFの機能を用いた有機主題(顔や動物など)から意味のある機能の多くを抽出し、一致させることができませんでした。 私にとって彼らは角度のたくさんの部屋や建物の写真に良い仕事する傾向がある。
2013最新入荷のMBT シューズ,MBT ブーツ