Классификация с машинным обучением и небольшой базой данных

Question

Я хочу создать функцию обнаружения и классификации клапанов, как показано в этом видео: https://www.youtube.com/watch?v=VY92fqmSdfA для определения позиций Открыть и Закрыть и Промежуточный изклапан.

Я провел некоторое исследование и нашел несколько методов для решения этой проблемы, но у меня есть некоторые условия для решения этой проблемы:

Условие 1: Использовать машинное обучение в приложении, я не могу использовать простые методы, такие как сопоставление с шаблоном, ...

Условие 2: Использовать небольшую базу данных (минимум 10 изображений по классам, максимум40 изображений по classe)

Условие 3: определить положение клапана, если положение камеры изменяется, поэтому я не могу использовать только цвета для определения ручки клапана.

Я хочу использовать HOG (Гистограмма-ориентированный градиент) + SVM / ANN, но HOG нужно много изображений для обучения SVM / ANN.

Я не знаю, смогу ли я решить эту проблему при соблюдении этих условий?

Answer 1

Как мы знаем, для правильной работы подходов ОД важнее всего данные. Итак, я бы сказал, что ваши 1-е и 2-е условия противоречат друг другу. Кроме того, ваше третье условие добавляет сложности в задачу. Вы можете решить эту проблему, включая больше данных с разных точек зрения и условий освещения. Но опять же, это противоречит условию 2.

Несмотря на это, если вы хотите следовать по пути ML, я бы порекомендовал вам использовать предварительно обученную модель, сильное увеличение данных и, возможно, множество моделей, чтобы помочь увеличить обнаружение. Поскольку проблема не так сложна, она должна работать.

Удачи.