Прогноз высоты топографии из 2D изображения

Question

Я хотел бы обучить 2-мерные изображения с соответствующей топографической информацией о высоте пикселя.У меня есть набор двухмерных изображений, взятых из топографии, где также известна высота каждого пикселя.Могу ли я использовать глубокое обучение, чтобы тренировать изображения с информацией о пикселях высоты?

Я уже пытался вывести некоторые особенности из изображений и высоты пикселей и связать их с помощью метода регрессии, такого как SVM, но я пока не получил удовлетворительных результатов для прогнозирования новых функций высоты пикселей изображения.

Answer 1

Как насчет использования значений высоты пикселей в качестве меток, а изображений (я полагаю, RGB, 3 канала) в качестве обучающего набора.Тогда вы можете просто запустить контролируемое обучение.Хотя я не уверен, как можно восстановить высоту, просто взглянув на изображение, даже людям будет трудно это сделать, даже увидев много изображений.Я думаю, вам понадобится какая-то контрольная точка.

Чтобы преобразовать изображение в трехмерный массив значений (3-е измерение - это цветовые каналы):

from keras.preprocessing import image

# loads RGB image as PIL.Image.Image type
img = image.load_img(img_file_path, target_size=(120, 120))
# convert PIL.Image.Image type to 3D tensor with shape (120, 120, 3)
x = image.img_to_array(img)

Существует ряди другие способы: Преобразование изображения в 2D-массив в Python

С точки зрения назначения меток изображениям (здесь метки - это высота пикселей), это было бы так же просто, как создать свой тренировочный набор.x_train (nb_images, 120, 120, 3) и метки y_train (nb_images, 120, 120, 1) и выполнение обучения под их контролем до тех пор, пока для каждого изображения в x_train модель не сможет предсказать каждое соответствующее значение в высотеустановите y_train в пределах определенной ошибки.