De quoi se souvient-on d'abord quand on entend parler de reconnaissance de formes? Réseaux de neurones complexes, cartes vidéo puissantes, grands ensembles de données. Tout cela ne sera pas dans mon histoire - je vais vous dire comment en utilisant OpenCV et NumPy vous pouvez résoudre le problème de la classification de 57 symboles du jeu Dobble en 1 soirée en utilisant moins de 500 de leurs images sans augmentation supplémentaire. Une échelle différente, un angle de rotation arbitraire - tout cela n'a pas d'importance quand quatre nombres suffisent pour décrire un symbole.
Cette histoire s'est déroulée au printemps 2020, lors d'un auto-isolement forcé. J'ai regardé des vidéos sur youtube et suis tombé sur un jeu intéressant - Dobble, ou d'une autre manière SpotIt. Dans les magasins locaux, je pouvais à peine le trouver, et dans des conditions d'auto-isolement, l'option avec une commande avait également l'air assez fantomatique. En conséquence, j'ai trouvé un fichier avec des images de cartes sur Internet, je l'ai imprimé sur du papier photographique épais et je l'ai découpé - il s'est avéré être un ensemble assez soigné. Mon fils a aimé le jeu, ils ont commencé à jouer.
, . . - , , . ? , .
" OpenCV Deep Learning". , - , … , , - , . .
, OpenCV? , , . - . - , "", -, ? . , , , .
, OpenCV - : .
, , . IrfanView . , . .
- (MLP). "Python Machine Learning" , NumPy.
- . - , . 4 , . 45..255, 0..1 45 210. , . 440 , 1 .
, . - ( ""). , . .
, , 8 . - , . .
, . -, - OpenCV. .
- 55 (1485 ) 170 , 0. -, , . , - : (, ) . . .
, , . GitHub.