Системи розпізнавання об'єктів часто стикаються з проблемами, що виникають внаслідок різних умов освітлення. Зміни в освітленні можуть істотно вплинути на точність виявлення об'єктів у зображеннях або відео. У статті досліджуються методи, які використовуються для підвищення міцності на освітленні проблеми.

Розуміння проблемування ілюстрацій

Проблемою освітлення відбувається при зміні освітлення в середовищі, що викликає варіації в зовнішній вигляд об'єкта. Тіні, родзинки, і зміни кольору можуть призвести до роз'яснень або пропущених виявів алгоритмами розпізнавання.

Методика розпізнавання об'єктів Робуста

Кілька методів розроблено для вирішення задач освітлення. Ці методи спрямовані на нормування впливу освітлення або особливості екстракту варіантних до змін освітлення, підвищення точності розпізнавання.

Обробка зображень

Методи обробки, такі як гістограма, рівність і корекція гамм, регулюють зображення для зменшення розпадів освітлення. Ці дії допомагають стандартизувати дані введення перед вилученням функції.

Методика вилучення характеристик

Використання функцій, таких як локальні бінарні візерунки (LBP) або масштаб-інваріантна функція Transform (SIFT) може підвищити надійність. Ці функції менш чутливі до варіантів освітлення і допомагають у послідовному розпізнаванні об'єкта.

Додаткові підходи

У глибині моделі навчання, особливо конвульовані нейромережі (CNNs), показані суттєві обіцянки. Вони можуть вивчати варіабельні функції через великий тренінг на різних умовах освітлення.

Методика аугментації даних, такі як штучно різне освітлення в навчальному образах, подальша посилена модельна надійність. Комбінування цих підходів призводить до більш надійних систем розпізнавання об'єктів.