Modo rapido per distinguere oggetti simili da ciascuno con caratteristiche distinte su un oggetto

Question

Ho creato un classificatore (basato su funzioni HoG) in grado di riconoscere i veicoli di grandi dimensioni (autobus e camion). Ma voglio essere in grado di distinguere tra autobus e camion. Questo causa problemi poiché entrambi i veicoli sono grandi e lunghi. Ecco un esempio dalla mia dati di allenamento:

Come si può vedere, questo è un camion e un bus, visto dalla stessa prospettiva, ma il classificatore non li vede come diverso.

Dato che ho già creato il mio classificatore, c'è un modo semplice (senza ricostruire il classificatore esistente) che potrei forse aggiungere come seconda fase per distinguere tra camion e autobus?

Stavo pensando sulla falsariga della funzione SIFT in qualche modo in sintonia ... per catturare quella testa di camion sporgente davanti. Ma non l'ho usato prima e non ero sicuro se sarebbe applicabile qui.

Answer 1

Comprendo che i rilevatori attuali cercano di distinguere bus e camion da altri oggetti. Supponendo che differisca bene dagli altri oggetti e abbia problemi a differenza tra bus e camion, è possibile aggiungere un classificatore specializzato.

L'obiettivo del secondo classificatore dovrebbe essere quello di differenziare tra autobus e camion, dato il primo classificatore. Quindi dovresti addestrarlo su entità che il primo classificatore considera essere un camion o un autobus (ignora bus e camion non identificati dal primo classificatore). Dato che i campioni usano la loro vera classificazione come concetto (non la previsione del primo classificatore). In questo modo, si forza il secondo classificatore a concentrarsi sui confini tra bus e camion. In questi limiti le caratteristiche come le dimensioni diventano irrilevanti dal momento che sia i bus che i camion sono grandi e quindi il classificatore sarà costretto a trovare altre caratteristiche rilevanti.

Dopodiché si comporrà il classificatore e se il primo classificatore emetterà un bus o un camion, si dovrebbe restituire il risultato del secondo classificatore.

Questa tecnica è in realtà un caso particolare di boosting, vicino in spirito all'algoritmo Schapire da The Strength of Weak Learnability