问题描述
给出一组清晰的预定义符号，例如 
如何训练模型以检测栅格上的符号（类型和位置）？
输入：
- 一个大型栅格地图（或相同区域的较小区域）和
- 一组干净的模板图像/符号。
所需的输出：栅格地图上的边框/图标/符号坐标
我尝试使用SIRF等进行OpenCV模板匹配，并且希望获得更高质量的结果。
注释：
- 对于某些符号-大小和旋转度不会更改-一些符号会有所不同。我使用Photoshop从图表中提取了这些符号，FAA确实在图例部分提供了符号的库存图像。
- 整个国家/地区的栅格地图较大，为179k x 70k像素-但也提供了大约1/10高度和宽度（例如17k x 9k）的小区域-有助于将其装入GPU内存。我有一张RTX 5000卡-16GB RAM，但不确定Tensorflow将需要多少内存。
- 我可以通过定位10-20个较小区域的符号来手动生成训练数据-使用openCV模板匹配输出作为起点。但是我创建大量训练数据的地图功能有限。图像质量和标记将非常好/可靠。
一些想法：
-
我知道我必须提供模板图像（每种符号类型一个）加上10-20个我可以可靠标记的匹配项-作为训练集。如何做到这一点还不清楚。您是否仅馈送小图像，还是在栅格上标记训练有素的接线盒并在标记的栅格上进行训练？读取数据后，您将如何训练？
-
我了解领域自适应和生成型NN可以处理少量数据-但我看不到类似设置的有效示例。任何指针/论文/回购都将有所帮助。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）