machine-learning - 可以在静态图像集合上使用深度学习网络吗？

Question

我收藏了大约一千张交易卡，上面有不同的图片。我还有一个数据库，其中包含每一张曾经打印过的交易卡的高分辨率扫描件。我想将扫描的图像输入深度学习网络，这样，如果我在相机前拿着一张或多张卡片，它就能够识别出我拿着的是哪张卡片。

看起来像Jetpac对我来说可能是一个很好的起点。我有机器学习方面的经验，但主要是数值分析，而不是图像处理。到目前为止我看到的例子表明人们拍摄他们有兴趣识别的东西，然后能够识别它。但是，我可以将图像文件夹转储为训练数据吗？

最后，我的目标是在 Raspberry Pi 2 系统上实现这一点，我已将其联网以并行工作。我不确定 Jetpac 是否明确能够支持分布式计算，但我想我也许能够将视频源拆分为多个源，并将每个源运行到单独 RPi 上的单独 Jetpac 实例中。

我是否以正确的方式思考这个问题？不同的方法会更实用吗？感谢您的帮助!!

编辑:由于担心听起来我的问题太笼统，我的问题最终是 Jetpac(或任何其他深度学习库)是否能够获得一组静态图像并接受训练以从其中挑选这些图像的实例视频源。

Answer 1

您可以使用深度学习来完成此任务，但不建议您这样做，除非您正在处理一些非常具体的情况。对于您的任务，您希望在另一个图像中找到特定图像，而不是像学习任务中通常所做的那样从一组图像中学习抽象类(例如狗的样子)。

有很多众所周知的、快速且准确的图像处理算法可以解决这个问题，这些算法都基于从原始图像中提取特征，以及在未见过的图像中进行特征检测。您可以使用 OpenCV 查看该解决方案的具体实现 here ，或通过阅读特征检测来了解更多信息。