我需要在一个图像中确定象海豹的数量。原图太大无法上传，这里有一个样本：象海豹
由于动物和沙子的颜色略有相似，传统的图像处理技术无法使用。我们可以分割阴影或纹理，但无法识别海豹。这就是为什么我想尝试使用机器学习。
目标是手动确定一些代表海豹的感兴趣区域（ROIs），以及代表沙子的其他区域，以便识别图像中的其他动物。问题是我不知道用什么特征来描述海豹并将其与沙子区分开来。
局部直方图及其统计数据（特别是均值和标准差）似乎很有趣，但还不够。我考虑过使用图像梯度，但这并未带来良好的区分效果。此外，我认为必须使用多种特征的组合，但很难确定使用哪些特征。
因此，我想知道是否有方法自动确定用于机器学习算法的学习和预测步骤的判别特征。
在所有我找到的教程中，描述符都是预先定义的。
你有任何建议吗？
回答：
我需要在一个图像中确定象海豹的数量。 .. 你有任何建议吗？
嗯，
” 经典 ” 机器学习特征（ 本身 ）在这里是不够的：
这在智能对象识别中是一种常见情况，必须提供合理的鲁棒性，然后才能开始有意义的计数。
例如，卷积神经网络（CNN）方法部署了（通常是深层）的预处理架构，使用专门的内核，首先帮助将2D场景分解成前体，然后可能帮助实际的基于机器学习的学习器（管道中的全连接“尾部”部分）开始学习对象识别。
如果没有这些（深层或浅层）的卷积层，以及许多应用的转码和池化技巧，这些技巧用非线性变换的共定位新内核产生的“视觉”特征重新栅格化场景，为（尚未的）更深层的实际机器学习学习器预处理这些自动合成的特征。
关于此已发表了许多论文，所以你实际上很幸运有公共资源可供使用。
