将徽标图像作为参考图像，如何在杂乱的自然图像中检测/识别它？
图像中的徽标可能非常小，它可能出现在衣服，帽子，鞋子，背景墙等中。我尝试过SIFT功能来匹配而不进行任何其他预处理，结果是适用于图像中徽标大小较大且徽标清晰的情况。然而，对于场景相当混乱并且与整个图像相比标识尺寸的比例非常小的一些情况，它失败了。似乎SIFT特征对透视扭曲很敏感。
任何人都知道自然图像中徽标检测/识别的一些更好的功能或想法？例如，训练分类器以首先定位候选区域，然后直接应用SIFT匹配以进一步识别。但是，培训模型需要许多数据，特别是需要手动注释图像中的徽标区域，如果我想将其应用于新徽标，则需要重新培训（需要收集和注释新图像）。
那么，有什么建议吗？详细的工作流程/代码/参考将受到高度赞赏，谢谢！
答案 0 :(得分：0)
从形状匹配到haar分类器有许多算法。最好的算法非常依赖于徽标的种类。
如果您想继续功能注册，我建议：
要检测小徽标，请使用切片。将整个图像拆分为较小（重叠）的图块并执行常规检测。它将使用搜索功能的“位置”。
尝试ASIFT进行仿射不变检测。
使用许多模板图像进行参考特征提取，使用不同的闪电，不同的背景图像（黑色，白色，灰色）