আমি গণিতের সাথে ওয়াল্ডোকে কীভাবে খুঁজে পাব?


1542

উইকএন্ডে এটি আমাকে বগল করছে: ওয়াল্ডো কোথায় আছে তাদের সমাধান করার ভাল উপায় কী ? [ উত্তর আমেরিকার বাইরে '' ওয়ালি ' ] ধাঁধা, ম্যাথমেটিকা ​​(চিত্র-প্রক্রিয়াকরণ এবং অন্যান্য কার্যকারিতা) ব্যবহার করে?

আমার এখন অবধি যা আছে তা এখানে একটি ফাংশন যা কিছু অ-লাল রঙকে ম্লান করে ভিজ্যুয়াল জটিলতায় কিছুটা হ্রাস করে:

whereIsWaldo[url_] := Module[{waldo, waldo2, waldoMask},
    waldo = Import[url];
    waldo2 = Image[ImageData[
        waldo] /. {{r_, g_, b_} /;
          Not[r > .7 && g < .3 && b < .3] :> {0, 0,
          0}, {r_, g_, b_} /; (r > .7 && g < .3 && b < .3) :> {1, 1,
          1}}];
    waldoMask = Closing[waldo2, 4];
    ImageCompose[waldo, {waldoMask, .5}]
]

এবং এই 'কাজ করে' এমন URL এর উদাহরণ:

whereIsWaldo["http://www.findwaldo.com/fankit/graphics/IntlManOfLiterature/Scenes/DepartmentStore.jpg"]

(নগদ রেজিস্ট্রার দ্বারা ওয়াল্ডো):

আসল চিত্র

গণিত গ্রাফিক


31
@ ইয়োদা - উপরের বাম দিকে, প্রচুর জুতো সহ টেবিল, নগদ রেজিস্ট্রার এবং টেবিলের কোণার কাছে ওয়াল্ডো।
আরনউড বুজিং

8
কম্পিউটার ভিশনে পিএইচডি শিক্ষার্থী হিসাবে আমি এই শট দেওয়ার প্রলোভন বোধ করছি ... তবে আমাকে অবশ্যই প্রতিরোধ করতে হবে। এটি মূল্যবান কিসের জন্য আমি এই খুব প্রভাবশালী কাজের মতো ওরিয়েন্টেড গ্রেডিয়েন্টস + স্লাইডিং উইন্ডো এসভিএম-এর হিস্টোগ্রামে যাব (সতর্কতা: পিডিএফ)।
ডিমাতুর

54
" ওয়ালি কোথায় ?" >। <
অরবিটে

2
অন্যান্য ভাষাও সমর্থন করার জন্য আমরা কি প্রশ্নটি পরিবর্তন করতে পারি? আমি
মাতলাব

2
@ আরনউডবাউজিং: আপনার প্রশ্নে আপনি সবচেয়ে পছন্দমুক্ত নির্বাচনটি দেখে ওয়াল্ডোকে খুঁজে পেতে পারেন। : /
তমারা উইজসম্যান

উত্তর:


1640

আমি ওয়াল্ডোকে পেয়েছি!

ওয়াল্ডো পাওয়া গেছে

আমি এটা কিভাবে করেছি

প্রথমত, আমি সমস্ত রঙগুলি ফিল্টার করছি যা লাল নয়

waldo = Import["http://www.findwaldo.com/fankit/graphics/IntlManOfLiterature/Scenes/DepartmentStore.jpg"];
red = Fold[ImageSubtract, #[[1]], Rest[#]] &@ColorSeparate[waldo];

এর পরে, আমি শার্টে লাল এবং সাদা রূপান্তরগুলি সন্ধান করার জন্য একটি সাধারণ কালো এবং সাদা প্যাটার্ন দিয়ে এই চিত্রটির পারস্পরিক সম্পর্ক গণনা করছি।

corr = ImageCorrelate[red, 
   Image@Join[ConstantArray[1, {2, 4}], ConstantArray[0, {2, 4}]], 
   NormalizedSquaredEuclideanDistance];

আমি Binarizeযথেষ্ট উচ্চতার সাথে চিত্রের পিক্সেলগুলি বাছাই করে ব্যবহার করে জোর দিয়ে তাদের চারপাশে সাদা বৃত্ত আঁকামDilation

pos = Dilation[ColorNegate[Binarize[corr, .12]], DiskMatrix[30]];

লেভেলটি নিয়ে আমাকে কিছুটা খেলতে হয়েছিল। স্তরটি যদি খুব বেশি হয় তবে অনেকগুলি মিথ্যা ধনাত্মকতা নেওয়া হয়।

পরিশেষে আমি উপরের ফলাফলটি পাওয়ার জন্য এই ফলাফলটি মূল চিত্রের সাথে সংযুক্ত করছি

found = ImageMultiply[waldo, ImageAdd[ColorConvert[pos, "GrayLevel"], .5]]

52
@ মাইকবাংটিগুই হাইকির সমাধানটি দুর্দান্ত হওয়ার পরেও আমি এটিকে কোনও WhereIsWaldoকার্যক্রমে প্যাকেজ করতে এত তাড়াতাড়ি করব না , কারণ এটি সাধারণ সমাধান নয়। হাইক নিজেই উল্লেখ করেছেন যে ইতিবাচক হওয়ার আগে স্তরগুলি প্রায় খেলতে হবে। আমি কী বলতে চাইছি তা দেখতে আপনার প্যাকেজড ফাংশনটি যেমন রয়েছে তেমন "http://www.findwaldo.com/fankit/graphics/IntlManOfLiterature/Scenes/AtTheBeach.jpg"এটির সাথে আরও শক্ত।
abcd

17
এই চিত্রটি আরও জটিল: ওয়াল্ডো । যদিও আমি মনে করি, সম্ভাব্য ওয়াল্ডোসকে হাইলাইট করতে পারে এমন কিছু থাকা এখনও কার্যকর ('দরকারী' এর কিছু সংজ্ঞার জন্য)) (এটি আমাকে আইফোটো মাঝে মাঝে আমাদের ফটো সংগ্রহে মুখ হিসাবে চিহ্নিত করবে এমন কিছু বিষয় মনে করিয়ে দেয় ...)
ব্রেট চ্যাম্পিয়ন

33
দয়া করে এই মেটা পোস্টটি দেখুন: meta.stackexchange.com
দ্য

155
আপনি কোথায় ওয়াল্ডো সম্পর্কিত নিয়মগুলি ভুল বুঝেছেন বলে মনে হয়। এটি পরিষ্কার প্রতারণা করছে।
স্টেফান কেন্ডাল

91
যদিও এটি একটি দুর্দান্ত হ্যাক, এটি ঠিক কাজ করে না। এটির জন্য ম্যানুয়াল টিউনিং প্রয়োজন এবং এটি কেবল একটি চিত্রের উপর কাজ করে। আমি কেন বুঝতে পারি না কেন এটি উত্সাহিত হয়েছে এবং এমনকি উত্তর হিসাবে বেছে নেওয়া হয়েছে। এটি আরও ভাল কাজের পদ্ধতিতে উত্তর দেওয়ার চেষ্টা করা থেকে অন্য কাউকে নিরুৎসাহিত করে।
সাম হোচেভার

144

"এটি করার বুলেটপ্রুফ পদ্ধতিতে" আমার অনুমান (সিআইএ মনে করে যে কোনও সময় কোনও উপগ্রহের ছবিতে ওয়াল্ডোকে সন্ধান করছে, স্ট্রিপ শার্টের মতো প্রতিযোগী উপাদান ছাড়া একটিমাত্র চিত্র নয়) ... আমি বল্টজম্যান মেশিনকে ওয়াল্ডোর অনেকগুলি চিত্রের প্রশিক্ষণ দেব - তাঁর বসার, দাঁড়ানো, আবদ্ধ হওয়া ইত্যাদির সমস্ত প্রকারভেদ; শার্ট, টুপি, ক্যামেরা এবং সমস্ত কাজ। আপনার ওয়াল্ডোসের একটি বৃহত কর্পস লাগবে না (সম্ভবত 3-5 যথেষ্ট হবে) তবে আরও ভাল।

এটি যথাযথ ব্যবস্থাপনায় যে পরিমাণে ঘটছে তা বিভিন্ন উপাদানের সম্ভাবনার মেঘকে নির্ধারণ করবে এবং তারপরে (গড়গড়নের মাধ্যমে) গড় অবজেক্টের আকার কী হবে, উত্সের চিত্রটি অবজেক্টের কোষে টুকরো টুকরো করে দেয় যা সর্বাধিক পৃথক ব্যক্তির সাথে মিলিত হয় (সম্ভাব্য ঘটনাগুলি বিবেচনা করে পরিবর্তনগুলি মনে করে) ), তবে যেহেতু ওয়াল্ডো ছবিতে সাধারণত প্রায় একই স্কেলের প্রচুর লোকের অন্তর্ভুক্ত থাকে তাই এটি খুব সহজ কাজ হওয়া উচিত, তারপরে প্রাক-প্রশিক্ষিত বোল্টজম্যান মেশিনের এই বিভাগগুলিকে খাওয়ানো উচিত। এটি আপনাকে প্রত্যেকের ওয়াল্ডো হওয়ার সম্ভাবনা দেবে। সর্বোচ্চ সম্ভাবনা সহ একটি নিন।

ওসিআর, জিপ কোড পাঠক এবং স্ট্রোকলেস হাতের লেখার স্বীকৃতি আজ এইভাবে কাজ করে। মূলত আপনি জানেন যে উত্তরটি রয়েছে, আপনি কম-বেশি জানেন যে এটির চেহারাটি কী হওয়া উচিত এবং অন্য সমস্ত কিছুর মধ্যে সাধারণ উপাদান থাকতে পারে তবে অবশ্যই এটি "এটি নয়", তাই আপনি "এটি নয়" এর সাথে বিরক্ত করবেন না, আপনি সমস্ত সম্ভাব্য "এটি" আপনি আগে দেখেছেন "এর মধ্যে" এটি "হওয়ার সম্ভাবনাটি দেখুন (উদাহরণস্বরূপ, জিপ কোডগুলিতে আপনি BM কে মাত্র 1s, মাত্র 2s, মাত্র 3s ইত্যাদির জন্য প্রশিক্ষণ দিয়েছিলেন, তারপরে প্রতিটি খাওয়ান প্রতিটি মেশিনে ডিজিট করুন, এবং সবচেয়ে বেশি আত্মবিশ্বাস আছে এমন একটি বাছুন) all এটি সমস্ত সংখ্যার একক নিউরাল নেটওয়ার্ক শেখার বৈশিষ্ট্যগুলির চেয়ে অনেক ভাল কাজ করে।


13
এর জন্য যথেষ্ট সরল নিউরাল নেটওয়ার্কগুলি কি যথেষ্ট নয়? এছাড়াও উইকিপিডিয়া নিবন্ধটি দাবি করেছে যে বল্টজম্যান মেশিনগুলি ব্যবহারিক নয়।
GClaramunt

2
চেষ্টা না করে আমি নিশ্চিত নই, তবে যথেষ্ট পরিমাণে এবং জটিল পর্যায়ে থাকলে নিউরাল নেটওয়ার্ক যে কোনও কিছুর জন্য যথেষ্ট হওয়া উচিত। বিশেষত পুনরাবৃত্তির সাথে। বোল্টজম্যান মেশিনগুলি একেবারে পৃথক উপাত্তের সমুদ্রের উচ্চ পরিমাণে গোলমাল সহ একটি ডেটা মোটামুটি সরলিকৃত ডেটা সনাক্ত করার জন্য খুব ভাল কাজ করে।
গ্রেগরি ক্লোপার

14
জিপ কোডগুলি সর্বদা বোল্টজমান মেশিনগুলির সাথে পড়ে এবং মেল সরবরাহের যথার্থতা ছাদ দিয়ে গেছে।
গ্রেগরি ক্লোপার

47

আমি @ গ্রেগরিক্লাপ্পারের সাথে একমত যে একটি সালিশী চিত্রটিতে ওয়াল্ডো (বা আগ্রহের কোনও বিষয়) সন্ধানের সাধারণ সমস্যা সমাধানের সঠিক উপায় হ'ল তদারকি করা মেশিন লার্নিং ক্লাসিফায়ারকে প্রশিক্ষণ দেওয়া। অনেক ইতিবাচক এবং নেতিবাচক লেবেলযুক্ত উদাহরণ ব্যবহার করে, সমর্থন ভেক্টর মেশিন , বুস্টেড ডিসিশন স্টাম্প বা বল্টজম্যান মেশিনের মতো একটি অ্যালগরিদম সম্ভবত এই সমস্যার উচ্চতর নির্ভুলতা অর্জনের জন্য প্রশিক্ষিত হতে পারে। গাণিতিক এমনকি তার মেশিন লার্নিং ফ্রেমওয়ার্কে এই অ্যালগরিদমগুলি অন্তর্ভুক্ত করে ।

একটি ওয়াল্ডো শ্রেণিবদ্ধ প্রশিক্ষণ সঙ্গে দুটি চ্যালেঞ্জ হ'ল:

  1. ডান চিত্র বৈশিষ্ট্য রূপান্তর নির্ধারণ। এখানেই হাইকের উত্তরটি কার্যকর হবে: একটি রেড ফিল্টার এবং স্ট্রিপড প্যাটার্ন ডিটেক্টর (যেমন, তরঙ্গকরণ বা ডিসিটি পচন) কাঁচা পিক্সেলকে এমন একটি ফর্ম্যাটে পরিণত করার ভাল উপায় যা শ্রেণিবদ্ধকরণ অ্যালগরিদম শিখতে পারে। একটি ব্লক-ভিত্তিক পঁচন যা চিত্রের সমস্ত বিভাগকে মূল্যায়ন করে তারও প্রয়োজন হবে ... তবে ওয়াল্ডো একটি হ'ল এটি প্রায় সহজ হয়ে গেছে) সর্বদা প্রায় একই আকার এবং খ) সর্বদা প্রতিটি চিত্রে ঠিক একবার উপস্থিত হয়।
  2. পর্যাপ্ত প্রশিক্ষণের উদাহরণ প্রাপ্ত। এসভিএমগুলি প্রতিটি শ্রেণীর কমপক্ষে 100 টি উদাহরণ দিয়ে সেরা কাজ করে। উত্সাহ দেওয়ার বাণিজ্যিক অ্যাপ্লিকেশনগুলি (যেমন, ডিজিটাল ক্যামেরায় মুখ ফোকাস করা) লক্ষ লক্ষ ইতিবাচক এবং নেতিবাচক উদাহরণের উপর প্রশিক্ষণপ্রাপ্ত।

একটি দ্রুত গুগল ইমেজ অনুসন্ধান কিছু ভাল ডেটা সক্রিয় করে তোলে - আমি কিছু প্রশিক্ষণ উদাহরণ সংগ্রহ এবং এই মুহূর্তে কোডিং এ যেতে হবে!

তবে, এমনকি একটি মেশিন লার্নিং অ্যাপ্রোচ (বা @ আইএনডি প্রস্তাবিত নিয়ম-ভিত্তিক পদ্ধতির) ওয়াল্ডোসের ল্যান্ডের মতো চিত্রের জন্য লড়াই করবে !


একটি মেশিন লার্নিং-ভিত্তিক কম্পিউটার ভিশন সিস্টেম যা বাস্তব বিশ্বের "ওয়াল্ডো" সমস্যাটি সমাধান করার চেষ্টা করে (অর্থাত্, ফ্লিকারে ভিড়ের ছবিতে কোনও নির্দিষ্ট ব্যক্তির সন্ধান করা) গত বছর কম্পিউটার ভিশন এবং প্যাটার্ন রিকগনিশন কনফারেন্সে উপস্থাপিত হয়েছিল। তারা একই দৃশ্যের একাধিক ফটো ব্যবহার করে কিছু 3 ডি অবস্থানের তথ্য যুক্ত করে কিছুটা প্রতারণা করেছে।
লুবার

41

আমি গণিতকে চিনি না। । । খুব খারাপ. তবে বেশিরভাগ অংশের জন্য আমি উপরের উত্তরটি পছন্দ করি।

এখনও উত্তরটি সংগ্রহ করতে একা ফিতেগুলির উপর নির্ভর করার একটি বড় ত্রুটি রয়েছে (ব্যক্তিগতভাবে একটি ম্যানুয়াল অ্যাডজাস্টমেন্ট নিয়ে আমার সমস্যা নেই )। এখানে একটি উদাহরণ রয়েছে (ব্রেট চ্যাম্পিয়ন তালিকাভুক্ত ) এখানে উপস্থাপন করা হয়েছে যা দেখায় যে তারা, মাঝে মধ্যে শার্টের ধরণটি ভেঙে দেয়। সুতরাং এটি আরও জটিল প্যাটার্নে পরিণত হয়।

আমি ফাঁকা সম্পর্কের পাশাপাশি শেপ আইডি এবং রঙগুলির একটি পদ্ধতির চেষ্টা করব। মুখের স্বীকৃতির মতো, আপনি একে অপরের কাছ থেকে নির্দিষ্ট অনুপাতগুলিতে জ্যামিতিক নিদর্শনগুলির সন্ধান করতে পারেন। সতর্কবাণীটি হ'ল সাধারণত এই আকারগুলির মধ্যে এক বা একাধিকটি occ

চিত্রটিতে একটি সাদা ব্যালেন্স পান এবং চিত্র থেকে একটি লাল ব্যালেন্স পান। আমি বিশ্বাস করি ওয়াল্ডো সর্বদা একই মান / রঙ হয় তবে চিত্রটি কোনও স্ক্যান, বা কোনও অনুলিপি হতে পারে। তারপরে ওয়াল্ডো প্রকৃতপক্ষে রঙগুলির একটি অ্যারের উল্লেখ করুন: লাল, সাদা, গা dark় বাদামী, নীল, পীচ, oe জুতোর রঙ color

একটি শার্টের প্যাটার্ন রয়েছে, এবং প্যান্ট, চশমা, চুল, মুখ, জুতা এবং টুপি যা ওয়াল্ডোকে সংজ্ঞায়িত করে। এছাড়াও, চিত্রটির অন্যান্য লোকের তুলনায় ওয়াল্ডো চর্মসার দিকে রয়েছে।

সুতরাং, এই ছবিটিতে মানুষের উচ্চতা অর্জন করতে এলোমেলোভাবে লোকদের সন্ধান করুন। চিত্রের এলোমেলো পয়েন্টগুলিতে একগুচ্ছ জিনিসের গড় উচ্চতা পরিমাপ করুন (একটি সরল রূপরেখা বেশ কয়েকটি স্বতন্ত্র লোকের উত্পাদন করবে)। যদি প্রতিটি জিনিস একে অপরের থেকে কিছু মানক বিচ্যুতির মধ্যে না থাকে তবে আপাতত সেগুলি এড়ানো হবে। চিত্রের উচ্চতার সাথে উচ্চতার গড় তুলনা করুন। যদি অনুপাতটি খুব দুর্দান্ত হয় (উদাঃ, 1: 2, 1: 4, বা একইভাবে নিকটে), তবে আবার চেষ্টা করুন। কিছু স্ট্যান্ডার্ড বিচ্যুতির বাইরে থাকা কোনও গড়কে বাদ দিয়ে, নমুনাগুলি সমস্ত একসাথে খুব কাছাকাছি রয়েছে কিনা তা নিশ্চিত করার জন্য এটি 10 ​​(?) বার চালান। গণিতের পক্ষে সম্ভব?

এটি আপনার ওয়াল্ডো আকার। ওয়ালসো চর্মসার, তাই আপনি 5: 1 বা 6: 1 (বা যাই হোক না কেন) ht: wd এর জন্য কিছু খুঁজছেন। তবে এটি যথেষ্ট নয়। যদি ওয়াল্ডো আংশিকভাবে লুকানো থাকে তবে উচ্চতা পরিবর্তন হতে পারে। সুতরাং, আপনি লাল-সাদা একটি ব্লক খুঁজছেন যা ~ 2: 1। তবে আরও সূচক থাকতে হবে।

  1. ওয়াল্ডোর চশমা রয়েছে। লাল-সাদা থেকে উপরে দুটি বৃত্তের জন্য 0.5: 1 অনুসন্ধান করুন।
  2. নীল প্যান্ট গুলো. লাল-সাদা এবং তার পায়ে দূরত্বের মধ্যবর্তী যে কোনও দূরত্বের মধ্যে একই প্রস্থে নীল কোনও পরিমাণ। মনে রাখবেন যে তিনি তার শার্টটি ছোট্ট পরেন, তাই পা খুব বেশি ঘনিষ্ঠ হয় না।
  3. টুপি। তার মাথার শীর্ষের দ্বিগুণ পর্যন্ত কোনও দূরত্বে লাল-সাদা। নোট করুন এটির নীচে অবশ্যই অন্ধকার চুল এবং সম্ভবত চশমা রয়েছে।
  4. লম্বা হাতা। প্রধান লাল-সাদা থেকে কোনও কোণে লাল-সাদা।
  5. কালো চুল.
  6. জুতো রঙ। আমি রঙ জানি না।

এর মধ্যে যে কেউ আবেদন করতে পারে। এগুলি পিকের অনুরূপ লোকদের বিরুদ্ধে নেতিবাচক চেকগুলিও রয়েছে - উদাহরণস্বরূপ, # 2 লাল-সাদা এপ্রোন (জুতোর খুব কাছে) পরা উপেক্ষা করে, # 5 হালকা রঙের চুল মুছে ফেলে। এছাড়াও, এই পরীক্ষাগুলির প্রত্যেকটির জন্য আকারটি কেবল একটি সূচক। । । নির্দিষ্ট দূরত্বের মধ্যে একা রঙ ভাল ফলাফল দিতে পারে।

এটি প্রক্রিয়াগুলির জন্য অঞ্চলগুলিকে সঙ্কুচিত করবে।

এই ফলাফলগুলি সংরক্ষণ করে এমন কয়েকটি ক্ষেত্রের উত্পাদন করা হবে যাতে এতে ওয়াল্ডো থাকা উচিত । অন্যান্য সমস্ত ক্ষেত্র বাদ দিন (উদাহরণস্বরূপ, প্রতিটি ক্ষেত্রের জন্য, গড় ব্যক্তির আকারের চেয়ে দ্বিগুণ বড় একটি বৃত্ত নির্বাচন করুন) এবং তারপরে প্রক্রিয়াটি চালান যা @ হাইকেশ লাল বাদে সমস্ত কিছু অপসারণ করে রেখেছিল, ইত্যাদি ইত্যাদি।

এই কোড করতে কিভাবে কোন চিন্তা?


সম্পাদনা:

এটি কীভাবে কোড করবেন সে সম্পর্কে চিন্তাভাবনা। । । ওয়াল্ডো লাল বাদে সমস্ত অঞ্চল বাদ দিন, লাল অঞ্চলগুলি কঙ্কাল করুন এবং সেগুলি একক বিন্দুতে ছাঁটাই করুন। ওয়াল্ডো চুলের বাদামী, ওয়াল্ডো প্যান্ট নীল, ওয়াল্ডো জুতোর রঙের জন্য একই করুন। ওয়াল্ডো ত্বকের রঙের জন্য, বাদ দিন, তবে রূপরেখাটি সন্ধান করুন।

এরপরে, সমস্ত লাল অঞ্চল ছাড়াই, অ-লাল বাদ দিন, ডাইলিট (অনেকগুলি) করুন, তারপরে কঙ্কাল এবং ছাঁটাই করুন। এই অংশটি সম্ভাব্য ওয়াল্ডো কেন্দ্রের পয়েন্টগুলির একটি তালিকা দেবে। এটি অন্যান্য সমস্ত ওয়াল্ডো রঙ বিভাগের সাথে তুলনা করার জন্য চিহ্নিতকারী হবে।

এখান থেকে, কঙ্কালযুক্ত লাল অঞ্চলগুলি (ছড়িয়ে পড়াগুলি নয়) ব্যবহার করে প্রতিটি অঞ্চলের রেখাটি গণনা করুন। যদি সঠিক সংখ্যা হয় (চার, ঠিক?), এটি অবশ্যই একটি সম্ভাব্য ক্ষেত্র। যদি তা না হয় তবে আমার ধারণা কেবল এটি বাদ দিন (ওয়াল্ডো কেন্দ্র হিসাবে ... এটি এখনও তার টুপি হতে পারে)।

তারপরে উপরে মুখের আকার আছে কিনা, উপরে একটি চুলের বিন্দু, প্যান্ট নীচে, জুতার পয়েন্টগুলি নীচে এবং আরও কিছু আছে কিনা তা পরীক্ষা করে দেখুন।

এখনও কোনও কোড নেই - এখনও দস্তাবেজগুলি পড়ছে।


8
আপনি যে কোনও সিস্টেম / ভাষায় যার সাথে পরিচিত তা সম্ভবত ধারণার প্রমাণ দেখাতে পারেন। এই আপনি একটি অনুভূতি অসুবিধা যেখানে জন্য আসতে পারে দেব।
কাজ Szabolcs

1
ওহ, আমি যেমন চ্যালেঞ্জটি দাঁড়িয়ে তখন উপভোগ করছি। এটি আমাকে সৈকতে হাঁটতে এবং রাতের খাবারের জন্য বেশ কিছু করতে দেয়।

1
So. । । ডাউনভোটস কেন? এখানে অন্যান্য অনুমানমূলক জবাবের তুলনায় এটি কীভাবে আলাদা? এটি কি এই পরামর্শটিকে আরও গুরুত্ব সহকারে নেওয়া উচিত? নাকি কেবল আমার তদন্তে আমার আরও গুরুতর মনে হওয়া উচিত? আমার পদ্ধতির কি আসলেই ভুল?

3
আমি আপনাকে নিম্নচ্যুত করি নি এবং আমি মনে করি না যে ডাউনভোটগুলি উত্তর দেওয়ার সৎ প্রচেষ্টাগুলির জন্য উপযুক্ত (যদি না তারা ভুল তথ্য দেয়)। ডাউনভোটদের সবচেয়ে সম্ভাব্য কারণ হ'ল আপনি (বেশ জটিল শব্দ) দৃষ্টিভঙ্গিটি চেষ্টা করে দেখেছেন বলে মনে হয় নি, এবং একটি ভাল সমাধান খুঁজে পেতে সম্ভবত বেশিরভাগ ব্যবহারিক পরীক্ষা-নিরীক্ষা করতে হবে এবং অনেকগুলি ধারণা প্রত্যাখ্যান করবে। অন্যান্য অনুমানমূলক উত্তরটি একটি সাধারণ পদ্ধতি (সূচনা পয়েন্ট হিসাবে) পরামর্শ দেয় যা অতীতে একই ধরণের সমস্যার জন্য ব্যবহৃত হয়েছিল এবং এতে প্রচুর পরিমাণে সাহিত্য রয়েছে। কেবল কি হয়েছে তা বোঝানোর চেষ্টা করছি।
Szabolcs

ব্যাখ্যার জন্য ধন্যবাদ. আমার ধারণা আমি ধারণার ইতিহাসের দিকে মনোনিবেশ করছি না।
IND

2

ওপেনসিভি ব্যবহার করে ওয়াল্ডো সন্ধানের জন্য আমার কাছে একটি দ্রুত সমাধান রয়েছে।

ওয়াল্ডো খুঁজতে আমি ওপেনসিভিতে টেমপ্লেট মিলের ফাংশনটি ব্যবহার করেছি ।

এটি করার জন্য একটি টেম্পলেট প্রয়োজন। সুতরাং আমি ওয়াল্ডোটিকে মূল চিত্র থেকে ক্রপ করেছি এবং এটি একটি টেম্পলেট হিসাবে ব্যবহার করেছি।

এখানে চিত্র বর্ণনা লিখুন

এরপরে আমি পদ্ধতিটি ব্যবহৃত হওয়ার cv2.matchTemplate()সাথে সাথে সম্পর্কিতকরণের সহকারের সহগ সহ ফাংশনটি ডাকলাম । এটি নীচে সাদা হিসাবে দেখানো হয়েছে এমন একক অঞ্চলে উচ্চ সম্ভাবনা ফিরে পেয়েছে (উপরের বাম অঞ্চলে কোথাও):

এখানে চিত্র বর্ণনা লিখুন

সর্বাধিক সম্ভাব্য অঞ্চলের অবস্থানটি cv2.minMaxLoc()ফাংশন ব্যবহার করে পাওয়া গেছে , যা আমি পরে ওয়াল্ডো হাইলাইট করার জন্য আয়তক্ষেত্র আঁকতে ব্যবহার করেছি:

এখানে চিত্র বর্ণনা লিখুন


7
এসও এর সর্বাধিক বিখ্যাত চিত্র প্রক্রিয়াকরণ প্রশ্নগুলি মোকাবেলার চেষ্টা করছেন? ;) আপনার সমাধানটি দুর্দান্ত এবং সহজ তবে একটি / কেবল এই নির্দিষ্ট চিত্রটির জন্য কাজ করে এবং খ / আপনি আগেই সন্ধান করতে চান ওয়াল্ডোর সঠিক চিত্রের প্রয়োজন, যখন আমি মনে করি যে প্রশ্নটি কোনও "কোথায় আছে ওয়াল্ডো চিত্র" এর মতো কোনও ওয়াল্ডো সন্ধানের বিষয়ে ছিল I আপনি স্বাভাবিক খেলা খেলতেন: তিনি আগে কেমন দেখেন তা না জেনে। এই প্রশ্নটি
যাইহোক

@ সোলিটাস হা ঠিক !!! আমি এটি বিশেষত এই চিত্রটির জন্য কাজ করেছি। বিভিন্ন চিত্রের জন্য এটি কাজ করা যদিও একটি চ্যালেঞ্জ হতে পারে !!
জেরু লুক
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.