Các thuật toán học máy (CNNs?) Có thể được sử dụng / đào tạo để phân biệt giữa các khác biệt nhỏ về chi tiết giữa các hình ảnh không?


8

Tôi đã tự hỏi liệu các thuật toán học máy (CNNs?) Có thể được sử dụng / đào tạo để phân biệt giữa các khác biệt nhỏ về chi tiết giữa các hình ảnh (chẳng hạn như sự khác biệt nhỏ về sắc độ của màu đỏ hoặc màu khác hoặc sự hiện diện của các vật thể nhỏ giữa các hình ảnh rất giống nhau không? )? Và sau đó phân loại hình ảnh dựa trên những khác biệt này? Nếu đây là một nỗ lực khó khăn với các thuật toán học máy hiện tại của chúng tôi, làm thế nào để giải quyết nó? Sử dụng nhiều dữ liệu (nhiều hình ảnh) sẽ giúp?

Tôi cũng sẽ đánh giá cao nếu mọi người có thể vui lòng cung cấp tài liệu tham khảo cho nghiên cứu tập trung vào vấn đề này, nếu có thể.

Tôi mới chỉ bắt đầu học máy học, và đây là điều mà tôi đã tự hỏi từ nghiên cứu của mình.

Cảm ơn bạn.

Câu trả lời:


4

Bộ so sánh lặp lại chu đáo (2017, Pranav Shyam, Shubham Gupta, Ambedkar Dukkipati) là một bài viết thú vị giúp trả lời câu hỏi bạn đang thắc mắc, cùng với một bài đăng trên blog giúp mô tả nó một cách dễ dàng hơn.

Cách nó được thực hiện thực sự khá trực quan. Nếu bạn đã từng chơi một trò chơi "có gì khác biệt" với hai hình ảnh thường thì những gì bạn làm là nhìn qua lại giữa các hình ảnh để xem sự khác biệt là gì. Mạng mà các nhà nghiên cứu tạo ra chỉ có thế! Nó nhìn vào một hình ảnh và sau đó ghi nhớ các đặc điểm quan trọng về hình ảnh đó và nhìn vào hình ảnh kia rồi quay đi quay lại.


2

Nó tồn tại các mạng được xây dựng để học cách phân biệt giữa các lớp ngay cả khi chúng trông khá giống nhau. Thông thường, tổn thất bộ ba được sử dụng trong các mạng đó để tìm hiểu sự khác biệt giữa mục tiêu, mẫu dương tính và mẫu âm tính.

Ví dụ, các mạng đó được sử dụng để thực hiện kiểm tra nhận dạng bằng hình ảnh khuôn mặt, thuật toán tìm hiểu sự khác biệt giữa những người khác nhau thay vì nhận ra mọi người.

Từ khóa: chức năng phân biệt đối xử, mất bộ ba, mạng siamese, học tập một lần.

Tài liệu luận văn rất thú vị:

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.