python - 开发Dilbert卡通图像分类算法的一般方法

Question

作为一项自我发展的练习，我想开发一种简单的分类算法，在给定Dilbert卡通的特定单元格的情况下，能够识别出卡通中存在哪些字符(Dilbert，PHB，Ratbert等)。

我认为最好的方法是(1)对图像应用某种算法，将其转换为一组特征；(2)使用训练集和许多可能的机器学习算法中的一种来关联存在性/在单元格中没有某些具有特定特征的特征。

因此，我的问题是-(a)这是正确的方法吗，(b)由于要测试许多分类算法和ML算法，找到正确方法的最佳方法是什么，以及(c)您将开始使用哪种算法假设我们实质上是对卡通进行分类练习。

Answer 1

因此，我认为您的第一步是正确的(将某种算法应用于图像，将其转换为一组功能)。

这个项目比大多数ML问题更具挑战性，因为实际上您必须从原始数据(组成卡通的各个帧)创建训练数据集。例如，抓取一个框架，在该框架中标识两个字符，Dilbert和带角的字符(我相信Dilbert的老板，不知道他的名字)，从该框架中提取这两个字符，并附加到每个适当的类标签上(例如，Dlibert为“1”)。

步骤1

为了从组成Dilbert卡通的每个帧中提取单个字符，我建议每个帧的频谱分解。如果您不熟悉此技术，则其本质只是一个本征向量反压缩。

如果您喜欢python(或R，因为您可以使用像RPy这样的python-to-R绑定(bind))，那么我强烈建议您看看sklearn。特别是，这个出色的库(最初是在SciPy scikits项目的框架下开发的，因此使用NumPy + SciPy进行矩阵计算)具有几种图像分割算法，其中一种基于spectral clustering。对于项目的这一步，您很可能希望查看这两个scikits.learn模块。

sklearn.feature_extraction (尤其是图像子模块)

sklearn.cluster.spectral_clustering

这两个模块中包含两个很好的示例脚本，一个 segmenting a digital photograph和 other分割了一个图像，该图像由三个部分重叠的圆组成，彼此之间的对比度最小，彼此之间的对比度是w/r/t，w/r/t最小。怀疑是您需要执行分解的更困难的问题。换句话说， sklearn 在源代码发行版中包含两个完整的，文档齐全的示例脚本，这两个脚本都处理与您相似的数据。这一步中的一个或两个都是很好的模板。

步骤2

所以这是第一步；这是第二种方法:将分解图像的所有组成部分归为一组，每个Dilbert角色一组。接下来，为每个组分配一个类别标签，例如，如果分解步骤中有四个字符，则类别标签的合适选择是“0”，“1”，“2”和“3”。将这些类标签附加到组成矩阵(步骤1中的分解产物)，以便将每个字符矩阵映射到其对应的类(Dilbert字符)。

步骤3

选择合适的机器学习技术。您在此步骤中有很多选择。唯一的标准是该技术属于受监管的类别(因为您已为数据分配了类别标签)并且该技术可作为分类器使用(即，它返回类别标签，而不是输出数值的回归器)。鉴于这是一个个人项目，我会选择一个您觉得最有趣的项目。满足我刚才提到的条件的一些设备是:多层感知器(神经网络)，支持向量机(SVM)和k最近邻居(kNN)。

步骤4

训练，验证和测试您的分类器

替代技术: 模板匹配

一旦完成步骤1(每个图像分解为一组对象，其中一些对象无疑将代表角色)，您就可以手动筛选这些分解产物并为卡通中的每个角色收集示例。这些是 模板。

接下来，您将从图像分割的对象与这组唯一模板进行比较。在另一个scipy scikit scikit-image中，可以使用 match_template 方法，将模板图像和候选图像传递给该方法，此方法将返回一个二维数组，该数组显示逐像素相关性(介于-1和1之间) )。