Tôi mới học sâu. Tôi đang cố gắng để hiểu một số khái niệm. Tôi biết "trung bình" là giá trị trung bình và "phương sai" là sai lệch so với trung bình. Tôi đã đọc một số tài liệu nghiên cứu, tất cả đều nói rằng chúng tôi xử lý trước dữ liệu của mình trước. Nhưng làm thế nào những khái niệm này có liên quan đến tiền xử lý hình ảnh? Tại sao các khái niệm này được sử dụng làm tiền xử lý dữ liệu hình ảnh?
Trên thực tế tôi không thể hiểu rằng làm thế nào các kỹ thuật này đóng góp vào phân loại. Tôi đã tìm kiếm nó trên google nhưng có thể tôi đã tìm kiếm với các từ khóa ít mô tả hơn.
Xin hãy đặt câu hỏi rất cơ bản của tôi,
1
Trên thực tế phương sai là trung bình của bình phương của sự khác biệt so với giá trị trung bình. Bạn đang hỏi về "tiêu chuẩn hóa" hay "tái định cỡ" là bước tiền xử lý? Nó được thiết kế để tránh một biến giải thích duy nhất thống trị các biến khác chỉ vì nó có một loạt các giá trị số.
—
Henry
Điều này thường được gọi là chuẩn hóa hình ảnh , và bạn có thể tìm thấy lý do cho nó trong liên kết.
—
Alex R.
Câu trả lời tuyệt vời cho lý do tại sao chúng ta bình thường hóa các vectơ đặc trưng, từ wikipedia: "Do phạm vi giá trị của dữ liệu thô rất khác nhau, nên trong một số thuật toán học máy, các hàm mục tiêu sẽ không hoạt động chính xác nếu không chuẩn hóa. Ví dụ, phần lớn các phân loại tính toán khoảng cách giữa Hai điểm theo khoảng cách Euclide. Nếu một trong các tính năng có phạm vi giá trị rộng, khoảng cách sẽ bị chi phối bởi tính năng đặc biệt này. Do đó, phạm vi của tất cả các tính năng nên được chuẩn hóa để mỗi tính năng đóng góp tương ứng với d cuối cùng . "
—
Anna Vopureta
Nhận xét đó sẽ mạnh hơn nếu nó được xây dựng dựa trên cách thay đổi tỷ lệ phương sai đơn vị trung bình 0 có liên quan đến hình ảnh.
—
Sycorax nói Phục hồi lại
@Sycorax Hình ảnh được coi là các vectơ đặc trưng thông thường được đưa vào mô hình. Không có gì đặc biệt về hình ảnh, tất cả các tuyên bố liên quan đến chuẩn hóa đều áp dụng như nhau cho hình ảnh và các vectơ đặc trưng khác.
—
Anna Vopureta