用于识别徽标（品牌）的图像识别技术

Question

几天前我开始学习图像识别，我想做一个项目，需要在Android中识别不同的品牌标识。

例如：如果我在Android设备上拍摄Nike徽标，那么它需要显示“Nike”。

• 低计算时间将是我的主要标准。

为此，我做了一些工作并开始学习OpenCV示例。

什么是最好的图像识别将用于我。

1）我从模板匹配中了解到，它们的适用性主要受可用计算能力的限制，因为识别大型和复杂模板可能非常耗时。 （所以我不想用它）

2）基于特征的探测器，如SIFT / SURF / STAR（据我所知，这对我来说是一个更好的选择）

3）深度学习和模式识别概念如何？ （我正在挖掘这个，不知道它是否适合我）。 你们中的任何人都可以告诉我是否可以使用这个，以及为什么与1和2相比，这对我来说是更好的选择。

4）Haar caascade分类器（从SO中的一个帖子中，我开始知道通过使用Haar它在旋转和比例不变的情况下不起作用，因此我没有太多关注这一点）。 这对我来说是一个更好的选择如果我专注于。

Answer 1

我现在正在运行我的一个宠物项目，这需要人脸识别 - 检测照片上的面部区域，如果它与Raspberry pi一起存在，所以我对该任务进行了一些分析

我发现了这种方法。 关键的想法是通过扫描不同大小的窗口来避免扫描整个图片，就像在OpenCV中一样，但是通过将整个照片分成49（7x7）个方格并训练模型不仅用于检测每个内部的类之一方形，也用于确定检测对象的位置和大小

它只有49个经过训练的模型，所以我认为即使在非最先进的智能手机上，也可以在不到一秒的时间内执行此操作。 无论如何，它将在准确性和性能之间进行权衡关于模型

我将使用类似vgg的模型，可能比vgg11A简单一点。

在我的情况下，就绪数据集已经存在 。 所以我可以用它训练卷积网络

为什么深度学习方法优于你提到的1-3？ 因为它对这类任务的准确性更高。 它已经得到了实践证明。 你可以用kaggle来检查它。 大多数用于分类竞赛的顶级模型都基于卷积网络

唯一的缺点 - 可能需要创建自己的数据集来训练模型

Answer 2

以下是我认为对您有用的帖子： 图像处理：“可口可乐罐”识别的算法改进 。 另一个： 图像中的标识识别 。

2）基于特征的探测器，如SIFT / SURF / STAR（据我所知，这对我来说是一个更好的选择）

请记住，SIFT和SURF都已获得专利，因此您需要获得任何商业用途的许可（免费用于非商业用途）。

4）Haar caascade分类器（从SO中的一个帖子中，我开始知道通过使用Haar它在旋转和比例不变的情况下不起作用，因此我没有太多关注这一点）。 这对我来说是一个更好的选择如果我专注于。

它有效（如果我理解你的问题），这很大程度上取决于你如何训练你的分类器。 你可以训练它来检测所有类型的旋转和比例。 无论如何，我不鼓励你选择这个选项，因为我认为其他可能的解决方案更适合这种情况。