我正在生成由点组成的图像，其中对象的位置是点重叠最多的地方。
在此示例中，对象位置为.
我正在尝试训练一个模型来找到位置，所以我不关心对象的分类。此外，对象所在的重叠点的形状永远不会改变，并且永远是那个形状。
什么是这个目标的好模型？
我一直在研究的许多潜在模型（CNN、YOLO 和 R-CNN）更关注分类而不是位置。我是否应该在图像中搜索重叠的点，在它们周围创建一个绑定框，然后检索框的坐标？
我应该使用哪种模型（仅）在图像中查找对象位置（以坐标表示）？
人工智能
神经网络
机器学习
计算机视觉
物体识别
模型请求
2021-11-04 22:59:09
2个回答
什么是这个目标的好模型？
我将尝试给出另一个观点：在没有机器学习模型的情况下解决它
您的问题是尝试找到最重叠的点。如果上图是您在案例中使用的图像，您可以通过应用一些计算机视觉算法直接解决它。
尝试根据点的颜色创建一些二进制图像。如果您不确定图像上的可用颜色，您可以首先列出不是黑白唯一的像素颜色。因此，如果有四种颜色，则需要生成四个不同的二进制图像。创建一个简单的条件或一个复杂的条件，例如：
if pixel[i,j]=red then pixel[i,j]=white else pixel[i,j]=black通过在图像上搜索“白色”或使用斑点检测方法来获取其位置（如果实际图像始终具有不同的轴比例，这将有点棘手）。您可以将其保存为每种颜色的坐标列表。
- 如果您无法完全看到该点，因为它与另一个点重叠，会发生什么？找到模式。在您的图像中，点以某种模式出现。如果你能在水平和垂直方向上找到两个连续的点，你就可以预测所有点的位置。
- 从您的列表中找到最重叠的位置。
优点
- 结果可能比使用机器学习模型更准确
- 更快，你不需要先训练它
缺点
- 在不同轴的图像中找到点的位置会很困难，但它仍然可以解决
- 如果由于与其他点重叠而丢失了许多点，则很难预测模式
神经网络不仅用于分类，还用于回归。CNN 似乎是解决这个问题的一个很好的解决方案，它有 2 个输出神经元，每个神经元都提供一个在你的帧范围内的数字。