現在的圖片識別技術能否做到多角度識別？

和朋友討論一個產品的時候，談到圖片識別的問題，準確地說是物體識別問題。
比如說，我先拍攝了某幾隻汪星人（如Doge）的多角度圖片，然後丟給計算機機器學習，然後我再以隨意的一個角度拍了一張Doge的圖片（簡單起見Doge一直保持體位不變），

這時我把這張圖片丟給計算機識別，它的分類效果能否達到可用的準確率（比如七成）？
之前了解過車牌識別的相關內容，其中大角度矯正是一個難點，是人工寫矯正演算法去矯正，而不是識別演算法自動匹配傾斜後的特徵。不知道現在的機器學習，特別是深度學習，能否做到上述的多角度物體識別（分類）？如果可以的話，有無現成的庫或介面可使用呢？

PS：前期訓練只有數張照片，比如前後左右上下六個視角的照片，例如下圖的大白模型，這樣是否有可能完成任意視角的識別呢？

按你舉的例子來說不行。不管採用什麼方法去訓練，到最後本質上還是提特徵。不管在怎麼抽象的特徵，只要拿圖片來訓練最後肯定會依託與圖像本身的像素點。

你的最後兩張圖的特徵點明顯就變了。

為什麼人腦可以？因為人腦提了特徵後能夠加以聯想和映射，這就屬於提特徵之後的工作了。

可以通過圖像的翻轉、切割等增大樣本量，但幾幅初始圖像感覺數目還是有些少，或者可以採用現有的在ImageNet上的模型，只用訓練圖像訓練較高的幾層~

可以的，其實在訓練中可以通過對樣本進行類似扭轉，變形處理。來進行data argument。就可以搞定該問題，精度取決於具體的實現

視頻：李飛飛-我們怎麼教計算機理解圖片？或者從網易公開課看。這個是關於大牛的問答：被稱為業界大牛的斯坦福計算機視覺實驗室的李飛飛具體牛在哪裡？ - 深度學習（Deep Learning） - 知乎

這裡有相當的一部分是Computer Vision領域的問題。可以參考這篇文獻：http://vision.eecs.ucf.edu/papers/PingkunICCV07.pdf。以前上CV課的時候有一道作業題是匹配從不同角度拍攝的同一個物體，那時使用的方法在角度大於30°的時候匹配的準確度就會大大下降了，主要是因為使用的descriptor對旋轉沒有耐受性。

現在做得最成熟的人臉識別對於不同角度的圖片還需要做alignment。對於一般物體，如果角度變化過大的話識別起來肯定比較困難的，除非有大量的各種角度的訓練數據。像題主說的這種情況，只有少數幾幅訓練樣本，要去識別任意角度下的目標圖像，應該難度很大。