Pull to refresh

Comments 13

UFO just landed and posted this here
А как нейронная сеть справится с таким знаком;)?
image
Если с желтым щитом, то никак. Это не знак, а схема объезда (по сути).
А вот когда нейросеть не распознает, тогда и начинается самое интересное.
А мне интересно что будет, если вандал поставит плохой знак, который прикажет машине поехать на встречку, надеюсь про ето инженеры не забывают.
OpenCV же требует самостоятельной компиляции с кучей зависимостей

whl ставится через pip install opencv-python
Да, вы правы, но этот wheel-пакет неофициальный, не хотелось в это ввязываться. skimage не замена opencv, но часто бывает удобнее именно он.
Я видимо упустил это из поста:
как я понял на вход сети подаются черно-белые изображения, так и есть?
Для дорожных знаков цвет кажется очень информативной фичей.
Не будет ли классификатор учитывающий цвет работать эффективнее и возможно ли это реализовать?
Спасибо.
Я отталкивался от публикации ЛеКуна, он как раз использует grayscale-изображения: http://yann.lecun.com/exdb/publis/pdf/sermanet-ijcnn-11.pdf

Но у меня не получилось получить лучшую точность, используя цветные изображения. Во многом, наверное, из-за того, что их нужно как-то хитрее препроцессить. Мой же интерес был, скорее, в тренировке STN, чем в получении state-of-the-art результата (один из лучших сейчас даёт DenseNet: https://arxiv.org/pdf/1608.06993.pdf, TF-имплементации легко гуглятся)
Как говорится, на самом интересном месте!
Верно понимаю, что обученная сеть потом будет сама детектировать дорожные знаки в кадре, после чего определять какой именно это знак?
В моём случае, детекция (определение bounding box знака) и классификация знаков — это две разные задачи, я делаю только классификацию. Детекцию на видеопотоке можно сделать как классическими методами (например, HOG + SVM), так и с помощью YOLO/Faster RCNN сетей, что лучше. Это самое интересное, конечно, я расскажу об этой задаче в части про MultiNet
Отлично, буду ждать эту статью, а в целом материал интересный, спасибо.
Sign up to leave a comment.