#実現したい事
以下のような画像データが格納された配列があるとします。
[
master_image1,[other_image1,other_image2,・・・],
master_image2,[other_image1,other_image2,・・・],
master_image3,[other_image1,other_image2,・・・],
master_image4,[other_image1,other_image2,・・・],
・
・
・
]
やりたいことは2つの画像を比較し、一致しているかそうでないかを判定することです。
上記の例では、master_image1とother_image1の画像は同じかそうでないかを高い精度で判定したいと思います。
その次はmaster_image1とother_image2・・・と続きます。
master_image1が終われば、master_image2を行います。
またmaster_image1とmaster_image2には何の関係もありません。
Deep Learningを利用した画像分類は分類する画像のパターンを事前に大量にモデルに読み込ませてから行います。
例えばリンゴかそうでないかを分類するならばリンゴの画像を最初に大量に用意します。
その画像パターンをモデルが学習した後、分類を行います。
そのリンゴにあたる部分がmaster_imageとなるのですが、今回はmaster_imageは1枚しか用意できません。
その場合、どのようにして一致判定を行えば高い精度を出すことができるでしょうか?
そのアイデアを教えていただきたいです。
#現在行っていること
利用ツール
・Python
・OpenCV
・Keras
現在行っている方法は以下です。
OpenCVを使って2枚の画像のカラーヒストグラム比較した値、特徴点を比較した値をそれぞれ用意します。
その2つの値をKerasのニューラルネットワークに入れて学習、一致の判定予測を行っています。
教師データ数が少ないこともありますが、85%程度の精度しか出ていません。
私自身機械学習は独学で行っていますがそもそもこのやり方でよいのかが分かりません。
もっと良い方法、またはアイデアがありましたら教えていただきたいです。
#一致の定義
一致とは、other_imageの画像内にmaster_imageが存在することです。
そのため以下のother_image1とother_image2はmaster_imageと一致しているとします。
よろしくお願いいたします。