Reconocimiento de logotipos en imágenes [cerrado]
¿Alguien sabe de trabajos académicos recientes que se han realizado sobre el reconocimiento de logotipos en imágenes? Por favor, responda solo si está familiarizado con este tema específico (puedo buscar en Google "reconocimiento de logotipo" yo mismo, muchas gracias). Cualquier persona que tenga conocimientos en visión artificial y haya trabajado en el reconocimiento de objetos también puede comentar.
Actualización: Por favor, consulte los aspectos algorítmicos (qué enfoque cree que es apropiado, documentos en el campo, si debería funcionar (y ha sido probado) para datos del mundo real, consideraciones de eficiencia) y no los aspectos técnicos (el lenguaje de programación utilizado o si fue con OpenCV...) Trabajar en la indexación de imágenes y la recuperación de imágenes basada en contenido también puede ayudar.
4 answers
Puedes intentar usar funciones locales como SIFT aquí: http://en.wikipedia.org/wiki/Scale-invariant_feature_transform
Debería funcionar porque la forma del logotipo suele ser constante, por lo que las características extraídas deben coincidir bien.
El flujo de trabajo será así:
Detectar esquinas (por ejemplo, Harris corner detector) - para el logotipo de Nike son dos extremos afilados.
-
Calcular descriptores (como SIFT - 128D vector entero)
Sobre capacitación etapa recuérdelos; en la etapa correspondiente encuentre los vecinos más cercanos para cada característica en la base de datos obtenida durante el entrenamiento. Finalmente, tienes un conjunto de coincidencias (algunas de ellas probablemente están equivocadas).
Siembra coincidencias incorrectas usando RANSAC. Por lo tanto, obtendrá la matriz que describe la transformación de la imagen del logotipo ideal a una en la que encuentre el logotipo. Dependiendo de la configuración, puede permitir diferentes tipos de transformaciones (solo traducción; traducción y rotación; afín transformar).
El libro de Szeliski tiene un capítulo (4.1) sobre las características locales. http://research.microsoft.com/en-us/um/people/szeliski/Book /
P.d.
Supuse que querías encontrar logos en las fotos, por ejemplo, encontrar todas las vallas publicitarias de Pepsi, para que pudieran ser distorsionadas. Si necesita encontrar un logotipo de canal de televisión en la pantalla (para que no se gire ni se escale), podría hacerlo más fácil (coincidencia de patrones o algo).
TAMIZ convencional no considera la información de color. Dado que los logotipos generalmente tienen colores constantes (aunque el color exacto depende del rayo y la cámara), es posible que desee considerar la información de color de alguna manera.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2010-06-10 14:28:01
Trabajamos en la detección/reconocimiento de logotipos en imágenes del mundo real. También creamos un conjunto de datos FlickrLogos-32 y lo pusimos a disposición del público, incluidos los datos, la verdad sobre el terreno y los scripts de evaluación.
En nuestro trabajo tratamos el reconocimiento de logotipos como un problema de recuperación para simplificar el reconocimiento de múltiples clases y permitir que dichos sistemas sean fácilmente escalables a muchas (por ejemplo, miles) clases de logotipos.
Recientemente, desarrollamos una técnica de agrupación llamada Bundle min-Hashing que agrega configuraciones espaciales de múltiples características locales en paquetes de características altamente distintivos. La representación del paquete se puede utilizar tanto para la recuperación como para el reconocimiento. Vea el siguiente ejemplo de mapas de calor para las detecciones del logotipo:
Encontrará más detalles sobre las operaciones internas, las posibles aplicaciones del enfoque, los experimentos sobre su rendimiento y, por supuesto, también muchas referencias a trabajos relacionados en los documentos [1][2].
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2013-09-16 08:15:11
Trabajó en eso: Coincidencia y recuperación de marcas en bases de datos de videos deportivos obtenga un PDF del artículo: http://scholar.google.it/scholar?cluster=9926471658203167449&hl=en&as_sdt=2000
Utilizamos SIFT como descriptores de marca y de imagen, y un umbral normalizado para calcular la distancia entre modelos e imágenes. En nuestro último trabajo hemos sido capaces de reducir enormemente la computación utilizando meta-modelos, creados evaluando la relevancia de los puntos de tamizado que están presentes en diferentes versiones de la misma marca.
Yo diría que en general trabajar con videos es más difícil que trabajar con fotos debido a la muy mala calidad visual de los estándares de TV actualmente utilizados.
Marco
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2016-10-25 19:59:45
Trabajé en un proyecto donde teníamos que hacer algo muy similar. Al principio intenté usar técnicas de entrenamiento Haar usando este software
Funcionó, pero no fue una solución óptima para nuestras necesidades. Nuestras imágenes de origen (donde estábamos buscando el logotipo) eran de un tamaño fijo y solo contenían el logotipo. Debido a esto, pudimos usar cvMatchShapes con una buena coincidencia conocida y comparar el valor devuelto para considerar una buena coincidencia.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2018-05-29 12:52:19