python - python中的图像分类

Question

我正在寻找一种对主要由文本组成的扫描页面进行分类的方法。

这是我的问题的细节。我有大量扫描文档，需要检测这些文档中是否存在某些类型的页面。我计划将文档“爆破”到它们的组成页面(每个页面都是单独的图像)并将这些图像中的每一个分类为“A”或“B”。但我想不出最好的方法来做到这一点。

更多详情:

• 我有很多“A”和“B”图像(页面)的例子，所以我可以进行监督学习。
• 我不清楚如何最好地从这些图像中提取特征以进行训练。例如。这些功能是什么？
• 页面偶尔会轻微旋转，因此如果分类对旋转和(在较小程度上)缩放不敏感，那就太好了。
• 我想要一个跨平台的解决方案，最好是使用纯 Python 或使用通用库。
• 我考虑过使用 OpenCV，但这似乎是一个“重量级”解决方案。

编辑:

• “A”页和“B”页的不同之处在于，“B”页上的表格具有相同的一般结构，包括存在条形码。 “A”页是自由文本。

Answer 1

我将分 3 个部分回答，因为您的问题显然很大，如果页面集合不超过 1000，我强烈建议使用廉价劳动力的手动方法。

第 1 部分:特征提取——在对象检测领域，你有大量的特征可供选择。由于您的要求之一是旋转不变性，我会推荐 SIFT/SURF 类的功能。您可能还会发现 Harris 角等。决定使用哪些特征可能需要专业知识，如果您有计算能力，我建议您创建一个不错的特征熔炉，并将其传递给基于重要性估计器的分类器训练。

第 2 部分:分类器选择 - 我是 Random Forest 的 super 粉丝分类器。这个概念非常容易掌握，并且高度灵活且非参数化。调整需要的参数很少，您也可以在监督训练期间以参数选择模式运行它。

第 3 部分:实现 - Python 本质上是一种胶水语言。用于图像处理的纯 python 实现永远不会非常快。我建议结合使用 OpenCV 进行特征检测，并使用 R 进行统计工作和分类器。

该解决方案似乎设计过度，但机器学习从来都不是一项简单的任务，即使页面之间的区别仅仅是它们是一本书的左页和右页。