OpenCV zur Erkennung grafischer Muster verwenden - Seite 2
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Danke für das Video, ich bin süchtig danach : )
Aber es ist nicht genau das, was wir brauchen, aber es ist gut für die Allgemeinbildung. Wir müssen 2 grafische Muster erkennen (auswendig lernen, was auch immer) und sie auf Ähnlichkeit vergleichen. Dies ist die erste Aufgabe, mit der wir beginnen sollten. Ich bin mir nicht sicher, ob wir dafür ein neuronales Netz trainieren müssen.
Offensichtlich verstehen Sie nicht ganz, was OpenCV ist. Es handelt sich um eine Bibliothek für schnelle Matrix-/Vektoroperationen, die auf mehreren Computerkernen oder vielen Grafikkartenkernen läuft.
Die Mustererkennung ist ein Bereich wie das maschinelle Lernen. Zu diesem Zweck können tiefe neuronale Netze, Faltungsnetze und andere Ad-hoc-Netze verwendet werden.
Die Verwendung von neuronalen OpenCV-Netzen beim Training führt zu einer erheblichen Leistungssteigerung. Das ist alles.
Ihre formulierte Frage bedeutet also, dass Sie das Pferd von hinten aufzäumen.
Finden Sie zunächst heraus, wie Sie das "Muster" definieren wollen (Bitmap-Bild? numerischer Vektor? oder etwas anderes?).
Lernen, lernen und lernen.
Viel Glück!
Sie verstehen offensichtlich nicht ganz, was OpenCV ist. Es handelt sich um eine Bibliothek für schnelle Matrix-/Vektoroperationen, die auf mehreren Computerkernen oder vielen Grafikkartenkernen läuft.
Die Mustererkennung ist ein Bereich wie das maschinelle Lernen. Zu diesem Zweck können tiefe neuronale Netze, Faltungsnetze und andere Ad-hoc-Netze verwendet werden.
Die Verwendung von neuronalen OpenCV-Netzen beim Training führt zu einer erheblichen Leistungssteigerung. Das ist alles.
Ihre formulierte Frage bedeutet also, dass Sie das Pferd von hinten aufzäumen.
Finden Sie zunächst heraus, wie Sie das "Muster" definieren wollen (Bitmap-Bild? numerischer Vektor? oder etwas anderes?).
Lernen, lernen und lernen.
Viel Glück!
danke für den verwirrenden Kommentar :)
Ich interessiere mich für die Genauigkeit der Erkennung in diesem Stadium, was dieses Ding überhaupt kann, ohne ins Detail zu gehen... Wird es in der Lage sein, Muster genauer zu erkennen und zu vergleichen, als ich es z. B. durch Korrelation könnte? Es ist mir eigentlich egal, ob es sich um eine Bitmap oder einen Vektor handelt. Ich verstehe, dass es bereits mit trainierten Ebenen geliefert wird und Sie dort nichts trainieren müssen, es wird Ihnen einfach ein fertiges Ergebnis liefern... aber Sie können es auch für Ihre eigenen Zwecke trainieren, was komplizierter ist
Können Sie mir eine andere, genauere Methode zum Vergleich zweier Kurven empfehlen? Ich möchte kein neuronales Netzwerk, das mir etwas wie "ja, ich habe erkannt, dass dies ein Graph ist, es ist ein echter Graph, ich bin gut... aber ich kann die Genauigkeit nicht garantieren" liefert.
Oder diese Methode würde zu einer Menge Lernen von neuronalen Netzen, der Auswahl ihrer Konfigurationen, der Auswahl von Trainingsmustern und so weiter führen... Ich möchte das wirklich nicht die nächsten 50 Jahre meines Lebens machen
danke für den obskuren Kommentar :)
Ich interessiere mich für die Erkennungsgenauigkeit in diesem Stadium, was dieses Ding überhaupt kann, ohne zu sehr ins Detail zu gehen... Wird es in der Lage sein, Muster genauer zu erkennen und zu vergleichen, als ich es z. B. durch Korrelation könnte? Es ist mir eigentlich egal, ob es sich um eine Bitmap oder einen Vektor handelt. Ich verstehe, dass es bereits mit trainierten Ebenen geliefert wird und Sie dort nichts trainieren müssen, es wird Ihnen einfach ein fertiges Ergebnis liefern... aber Sie können es auch für Ihre eigenen Zwecke trainieren, was komplizierter ist
Können Sie mir eine andere, genauere Methode zum Vergleich zweier Kurven empfehlen? Ich möchte kein neuronales Netzwerk, das mir etwas wie "Ja, ich habe erkannt, dass es sich um einen Graphen handelt, es ist ein echter Graph, ich bin gut... aber ich kann die Genauigkeit nicht garantieren" liefert.
Oder die Anwendung dieser Methode würde durch intensives Training neuronaler Netze, die Auswahl ihrer Konfigurationen, die Auswahl von Trainingsmustern und so weiter eingeschränkt... was ich nicht die nächsten 50 Jahre meines Lebens tun möchte
Hier ist ein Beispiel für die Erkennung von Nummernschildern in Matlab
http://matlab.exponenta.ru/imageprocess/book2/61.php
Und weitere Artikel zu diesem Thema
http://matlab.exponenta.ru/imageprocess/book2/
http://matlab.exponenta.ru/imageprocess/book2/58.php
Ich wollte das System lehren, Elliott-Wellen zu erkennen.
Google hat Smartphones beigebracht, Sprache zu erkennen, ich denke, wir können ihnen auch beibringen, Wellen zu sehen.
Ich habe auch ein ähnliches Thema erstellt.
Ich wollte das System lehren, Elliott-Wellen zu erkennen.
Google hat Smartphones beigebracht, Sprache zu erkennen, und es scheint mir, dass man Wellen auch beibringen kann, sie zu sehen.
Kann ohne Bibliotheken und ohne NS gemacht werden. Der Indikator erkennt und nummeriert sofort bis zu 9999 Muster. Man kann noch mehr machen, aber es ist nicht nötig, so viele zu machen.
Kann ohne Bibliotheken und ohne NS gemacht werden. Der Indikator erkennt und nummeriert sofort bis zu 9999 Muster. Mehr ist möglich, aber es gibt keinen Grund für so viele.
9999 ist nichts im Vergleich zu den verschiedenen Variationen von Formationen, die gegen unendlich tendieren. Sie müssen nicht nur ein Muster erkennen, sondern auch ein beliebiges vom Benutzer eingegebenes Muster, einen beliebigen Teil des Diagramms, mit hoher Genauigkeit erkennen.
Ich glaube nicht, dass der Preis sein Modell mit solcher Präzision wiederholt, also mache ich mir nicht die Mühe einer so hohen Präzision. Der natürlich mag, was Sie wollen, und der versteht, was Sie wollen.