image-processing - 如何检测照片是否是海报(不真实)？

Question

我有一些来自音乐家网站的 .jpeg。这些图像由即将举行的演出的海报和乐队照片(乐队在现实生活中的照片)组成。

以下是海报示例:

我不熟悉任何现代技术或算法(如果存在？)，但这是我认为我可能会寻找的:

• 图片中的文字通常是海报的明显特征。
• 也许真实的照片(即非海报)遵循不同的颜色分布？
• 海报上不太可能有面孔 - 但这是一个相当弱的断言。

是否有任何分类算法可以检测图像是否是海报？

Answer 1

你的问题很广泛。 海报或照片不是明确定义的对象。什么是海报？在现实生活中，海报通常是照片，或者照片组合，或者经过一些修正的照片。

如果我们缩小问题的第一部分中提到的范围 - 乐队照片与即将上映的演出海报，那么答案是 - 可能是的(尽管我从未见过有人这样做)。当您正在寻找二元分类器时，我建议采用一些机器学习模型(朴素贝叶斯应该足够了，但如果您想使用更复杂的功能，请尝试 SVM、ELM 或一些随机森林/决策树)并应用它向量中编码的数据包含:

二元特征:

• “图片上有文字吗？” - 您将需要外部文本检测算法
• “图像上有数字吗” - 事件应该有日期
• “图像上有日期吗”
• “图像上有脸吗”

使用朴素贝叶斯将构建条件概率P(海报|有一个单词)、P(海报|有一个数字)等，这不仅会给出你是一个分类器，但也对你的特征有多重要有一些见解(接近0.5的概率是一个建议，即某个特定特征是无用的)。

由于可能的照片、照片 session 风格等范围广泛，我不会使用直方图等，除非您愿意创建非常大的训练集。

如果这还不够，您可以将这些更改为更复杂的特征，并使用比朴素贝叶斯更强大的分类器。

复杂的功能:

• 图片上有多少个字？
• 图片上有多少个数字？
• 图片上有多少个日期？
• 图像上有多少张脸？
• 图像直方图

最后一个选择，如果一切失败，您可以尝试训练一些现代模型，例如在原始图像上训练深度置信网络。这需要强大的计算能力，但结果对于科学界也非常有值(value)。