使用计算机视觉在方案中进行符号检测
Symbol detection in scheme using Computer Vision
我正在尝试检测电气方案中的电气符号。
这里我认为可以使用两种方式：
- 使用 OpenCV 的经典方法，我尝试使用 opencv 和 python 重新识别形状，但有些符号太复杂了
- 深度学习方式：我尝试使用 Mask-RCNN 使用手工制作的符号数据集，但没有真正成功
这是我想做的一个非常简单的例子：
我认为制作符号数据集可能很容易，但所有符号都是相同的形式，并且不会表示图像的上下文。
你认为我可以如何处理这个问题？
由于电气方案的组件总是相同的，我会先尝试使用 OpenCV 进行模板匹配。我想您将不得不切割组件并制作旋转副本以找到所有组件。如果能有更好的图像分辨率就好了。
下一个想法，我想说的是与内核进行卷积，这基本上是您期望在图像中出现的组件。
最后，我的想法是使用 google 图像识别，您可以将其与 python 一起使用并在您的机器上进行训练图片
QATM：深度学习的质量感知模板匹配可能就是您正在寻找的。
原始论文：https://arxiv.org/abs/1903.07254
下面github包含电气方案示例：
https://github.com/kamata1729/QATM_pytorch
我正在尝试检测电气方案中的电气符号。 这里我认为可以使用两种方式：
- 使用 OpenCV 的经典方法，我尝试使用 opencv 和 python 重新识别形状，但有些符号太复杂了
- 深度学习方式：我尝试使用 Mask-RCNN 使用手工制作的符号数据集，但没有真正成功
这是我想做的一个非常简单的例子：
我认为制作符号数据集可能很容易，但所有符号都是相同的形式，并且不会表示图像的上下文。
你认为我可以如何处理这个问题？
由于电气方案的组件总是相同的，我会先尝试使用 OpenCV 进行模板匹配。我想您将不得不切割组件并制作旋转副本以找到所有组件。如果能有更好的图像分辨率就好了。
下一个想法，我想说的是与内核进行卷积，这基本上是您期望在图像中出现的组件。
最后，我的想法是使用 google 图像识别，您可以将其与 python 一起使用并在您的机器上进行训练图片
QATM：深度学习的质量感知模板匹配可能就是您正在寻找的。
原始论文：https://arxiv.org/abs/1903.07254
下面github包含电气方案示例： https://github.com/kamata1729/QATM_pytorch