识别脊的几何形状

Posted 2021-04-16

我想要识别这些彼此相关的几何形状。例如，看看下面屋顶的图像，只要知道RED中脊的存在，我知道BLUE中的山脊也应该存在（即使它在图像中不可见）。如果我有数千个这样的标记图像，ML模型也应该能够学习这一点。但是，我无法弄清楚如何表示这个问题？

让我们将这些脊称为线，就像在第一个例子中一样，我们通过简单的边缘检测而不是Z来检测X和Y线，因为它不可见。同样地，未检测到线D，但是来自示例2的线A，B，C。

我想要的是我制定了一个ML模型，该模型从X和Y学习应该有一个Z，随后是A，B，C。

我有一个这样的例子的数据集，其中标记了脊（红色和蓝色只是为了区分，所有的脊都用相同的颜色标记）。

要记住一些重要的事情。

• 图像的亮度可能会有很大差异。
• 脊可以具有任何比例或甚至方向（在合理的范围内）。
• 输入图像几乎总是非常嘈杂。

答案

我可以想到两种方法。

1. 使用类似于边缘检测问题中使用的网络。这些网络输出Input的每个像素的概率以包含边缘。你的问题很相似，只是你不需要所有的边缘。但是这可能需要一些重要的后期处理，因为你可能会得到很多近线，你必须使用非最大抑制或一些形态学操作将它们折叠成一行。对于训练，地面实况值可以是包含脊的真实位置的二元掩模，或者您可以在实际脊位置上使用一些小高斯，以使损失函数更稳定。
2. 第二种方法可以是回归。您可以将包含脊的终点坐标的输出向量作为平面向量。但这需要你修复可能存在的最大脊数。这种方法可能不会单独工作，因为输出矢量较大可能会导致大量误报，但这可以与第一种方法结合使用，只有当它非常接近边缘位置时才能选择保留关键点。从第一种方法获得。

另一答案

我会用CNN来检测屋顶。如果颜色不重要，您可以制作图像灰度/其他颜色通道模型（例如HSV并移除H通道）。或者，您可以通过自动更改任何图像的色调并将此编辑的图像也提供给CNN来扩充数据集。