自己网站做第三方支付,装修软件app哪个好,网站设计素材图片,软文写作范例大全我们工业自动化中#xff0c;视觉软件匹配#xff0c;都是学习一次#xff0c;比如找到轮廓#xff0c;旋转360度#xff0c;也就是有360个轮廓#xff0c;然后到图像中去找任意角度的目标。
这样的学习并不能一而概括全。
所以#xff0c;我借鉴ai的方法#xff0c;…我们工业自动化中视觉软件匹配都是学习一次比如找到轮廓旋转360度也就是有360个轮廓然后到图像中去找任意角度的目标。
这样的学习并不能一而概括全。
所以我借鉴ai的方法通过多次学习来识别事物。
在我们机器视觉中怎么实现多次学习呢
我们有360个模板都是一个模板旋转360度得到的
同一学习的目标我们可以在任意角度放置抠图后就有很多学习到模板都是同一事物我们找到和360个模板的关系填充进去替换原来的模板显然多次学习的模板更接近本来面目这是很容易懂的道理。
我们具体实现示范一下
第一先学习一个旋转360得到360个模板作为基础 第二我们在红色框中旋转开始多次学习第一次学习-9度 第三第二次学习失败
第四第三次学习-21度 第五第四次学习-27度 第六第五次学习17度 第七第六次学习1度 好我们学了6次第一次是基准我们知道六次的关系-9度失败-21度-27171 这样我们可以把基准产生的-9度-21度-27171度替换掉我们随便放个位置匹配一下用基准和六次学习的结果分别匹配然后对比 多次学习匹配结果序号是1-9度得分0.435基准匹配得分 0.48-12度 看到没有多次学习匹配的结果hog和基准匹配hog很接近他们的偏差和1014301111
达到我们小于25的要求。
我们只学习了六次一次还失败了如果每一度都能学习上肯定多次学习比基准匹配好
我们又来一次 多次学习匹配结果序号是1-9度得分0.485基准匹配得分 0.463-9度
看到没有都是-9度时0.485已经大于0.46 这次偏差和011310219
低于上次偏差和11.
这是显而易见的。
如此看来我们的的得分提升有新希望而且使用了近似ai深度学习的手法多次学习。
我们的速度显然比cnn和ai肯定快的多而且不用gpu单单一个cpu就够了其实我的电脑还是i3三代处理器。
是不是对机器视觉machine vision信心大增
