Yo les gens
J'ai récemment eu à classifier des images et je n'ai pas eu les résultats escomptés.

Ce que je devais faire :
J'avais un set d'images relativement petit (15 images max), de définition assez basse, représentant des joueurs de football.
Le but était de grouper en deux équipes les joueurs en fonction de la couleur de leur maillot

J'ai essayé de m'affranchir de la lourdeur d'une solution utilisant le deep/machine learning que je ne maîtrise pas encore beaucoup.
Je suis passé par opencv et sa comparaison d'histogrammes mais les résultats étaient mitigés

Vous auriez d'autres manières de faire ou améliorations/conseils ?

Merci

Le deep learning est heureusement pas du tout obligatoire pour traiter de petites images.
J'ai pas de conseil absolu. Déjà il faut connaître la base du machine learning et savoir faire de la validation croisée.
Ensuite, faire de la data augmentation en inversant tes images via un effet miroir. Tu peux flouter les images et réduire encore leur taille (15x30 peut suffire), tout ça ce sont des paramètres a tester dans le cadre d'une optimisation. Au final, il reste le classifieur, je recommande svm (noyau rbf ou polynomial) ou random forest, sklearn fait tout ça en 3 lignes de code