我有两组图像，每组有 1000 个样本。
在这种情况下，散斑图案与随机图案或“白噪声”图像相同。所以这些图像是根本不同的。
在第一组中，每个图形都是通过考虑一个随机函数生成的，该函数返回类似于散斑图案的东西（见图 1）。在第 2 组中，我们遵循与第 1 组相同的程序，但我们在其上方绘制了一个小点，可以将其放置在任何位置并使用任何颜色（见图 2）。
我想对这两个组进行分类，并且我已经尝试使用简单的神经网络来做到这一点，但我没有成功。
解决此类问题的最佳技术是什么？
图。1：
图 2：
非常相似图像的分类
数据挖掘
Python
神经网络
分类
计算机视觉
2021-09-18 09:12:41
4个回答
您是否尝试过基于规则的方法？
根据您的示例，我可以想到两种方法：
- 对于每张图片，获取它包含的所有 RGB 值的列表。第一个仅包含灰色（具有 RGB 值
(x, x, x)），第二个包含颜色（因此某些具有 RGB 值的像素(x, y, z)，其中 或者 ）。或者 - 如果这样更快 - 将所有图片转换为灰度并检查转换后的图片是否与原始图片相同。 - 扫描图像以查找具有相同颜色的区域（大于 1 个像素）。如果您的点足够大并且背景噪声与相邻像素不相关，那么这些区域很可能是您正在寻找的点。
你将不得不做一些实验来找出什么是“最好的”，但我建议从卷积神经网络开始。
但是，由于您只检测到非常小的差异，因此像素值本身应该可以很好地指示颜色在哪里，以及是否有颜色。我有点惊讶，一个更简单的架构并没有给你带来任何运气。
基于给定的示例
如果它们在除小区域之外的所有地方实际上都是相同的，只需从图像 2 中减去图像 1 即可找到差异......
然后我们可以检查它们相差很大的正负值来对它们进行分类
这将（可能）工作......
我在上面链接的论文中找到了答案。作者使用 CNN 来解决这个问题。我将发布代码。
其它你可能感兴趣的问题