Matlab Cascade treno per le api conteggio

Question

Sono studente in agronomia e il tema del mio ultimo anno di studio è quello di valutare il numero di api nelle foto. Ho provato alcuni metodi (il sequenziamento, la corrispondenza dei modelli con l'algoritmo ciratefi o con imageJ) ma nessuno funziona correttamente.

Sono un principiante con matlab e mi chiedo se sia possibile addestrare il rilevatore a cascata e utilizzare la visione fonction.CascadeObjectDetector per contare le api sulle immagini.

due immagini esempi:
http://img4.hostingpics.net/pics/473650DSC0648.jpg e
http://img4.hostingpics.net/pics/978154DSC0660.jpg

Quanti campioni positivi e negativi Ho bisogno di usare? HOG? Haar? LBP?

Grazie per il vostro aiuto

Answer 1

Può funzionare, ma sarà difficile. Dalle immagini che hai fornito penso che potresti avere una buona possibilità di scoprire le api isolate, ma sarà difficile individuare quelle che sono affollate. In quest'ultimo caso è difficile vedere il contorno della forma di ogni ape, e alcune api occludono altre api. Ma non lo saprai finché non ci proverai. :)

Inoltre, tenere presente che il rivelatore di oggetti a cascata non gestisce la rotazione nel piano. Ciò significa che dovrai addestrare diversi rilevatori per diversi orientamenti delle api. È possibile utilizzare la funzione trainCascadeObjectDetector per addestrare i rivelatori.

Avresti bisogno di almeno diverse centinaia di campioni positivi di ciascun orientamento. È possibile utilizzare l'app Training Image Labeler, fornita con l'ultima versione di Computer Vision System Toolbox per etichettare le api nelle immagini.

Avresti anche bisogno di molte immagini del nido d'ape senza api su di esso da utilizzare come immagini negative.

Per quanto riguarda le funzionalità, vorrei iniziare con HOG o LBP, perché sono molto più veloci di Haar. Se ottieni risultati incoraggianti, allora potresti provare Haar per vedere se puoi migliorare la tua precisione.

Answer 2

Se riesci a scattare immagini degli alveari senza le api, nelle stesse condizioni di illuminazione, sarebbe fantastico! provalo e quindi sottrai le due immagini (pixel per pixel) e guarda cosa ottieni. Questa immagine di differenza sarebbe molto più facile da lavorare.

Inoltre, per quanto riguarda la formazione di un classificatore: dal guardare le immagini, sarebbe necessario un classificatore "rotationaly invariant". Questo è un modo elegante per dire che le api possono essere ad angolazioni diverse. Quindi in pratica proveresti diverse dozzine di immagini di api e le ruoti arbitrariamente. Questo ti darebbe centinaia di esempi positivi. Quindi campiona i posti senza api, immagino che anche diverse dozzine. Non ruotarli, poiché i posti senza api non sono invarianti alla rotazione. Ora forma un classificatore. Non penso che dovrebbe importare quale si usa - basta usare quello più semplice (come Viola-Jones).

Quindi, per riassumere: ci sono due parti principali: 1) vedendo se è possibile sottrarre lo sfondo 2) formazione del classificatore.

Per favore dimmi se aiuta!