прочитав this article о парне, который использует тензорный поток для сортировки огурца в девяти разных классах. Мне было интересно, можно ли применить этот тип процесса к большому количеству классов. Моя идея состояла бы в том, чтобы использовать его для идентификации деталей Lego.Использование тензорного потока для идентификации легированных кирпичей?
На данный момент сайт, такой как Bricklink, описывает более 40,000 different parts, поэтому он будет немного отличаться от примера огурца, но мне интересно, подходит ли оно. Нет простого способа получить сотни изображений для каждой части, но делает возможным следующий процесс:
- сфотографировать деталь;
- попытайтесь идентифицировать деталь с помощью тензорного потока;
- если он не идентифицирует правильную деталь, сделайте больше снимков и подайте им нейронную сеть;
- Перейти к следующей детали.
Таким образом, каждый раз, когда мы сталкиваемся с новой частью, мы «учим» сеть своей ссылкой, чтобы ее можно было узнать в следующий раз. Подобно этому и после сотен итераций, контролируемых человеком, можем ли мы представить, что тензорный поток способен распознавать детали? По крайней мере, самые распространенные?
Мой вопрос может звучать глупо, но я не в нейронные сети, поэтому любые советы приветствуются. На данный момент я не нашел способа идентифицировать часть lego на основе фотографий, и этот «пример огурца» звучит многообещающе, поэтому я ищу некоторые отзывы.
Спасибо.
Помните, что у вас есть 3D-модель CAD всех частей, которые, по крайней мере, вы могли бы использовать для создания обучающих изображений – Eric