안녕하세요, 저는 어제 기계 학습에서 첫 걸음을 내딛었습니다. 가장 기본적인 항목을 읽고 몇 가지 프레젠테이션에 참석했습니다. 몇 달 안에이 기술이 적용될 프로젝트에 참여할 예정입니다. 초급자로서 나는 어리석은 생각을하고 싶습니다. 그러나 나는 그녀에게 답을 찾을 수 없습니다.추가 데이터가있는 이미지 인식
프리젠 테이션과 기사에서 이미지 나 데이터 세트를 분류 할 수 있지만 동시에 둘 다 분류 할 수있는 분류기를 만들었습니다. 예를 들어 홍채 꽃 데이터 세트를 예로들 수 있습니다. 이 데이터 세트에는 꽃잎 폭과 같은 꽃의 특성이 있지만 시각적으로 표시하지 않습니다. 예를 들어, 특정 이미지의 꽃잎의 너비를 예측하는 데 둘 다 적합 할 수 있습니까?
이것은 매우 기본적인 질문이라고 생각하지만 초보자에게 적합한 것을 찾을 수 없습니다.
매우 감사 할 것입니다.
기계 학습 모델은 벡터, 다차원 공간의 점 등과 같은 추상 데이터 항목에서 항상 작동합니다. 간단히 말해서 ML 알고리즘이 벡터에서 작동한다고 가정 해 봅시다. 그러므로 분류는 레이블 Y를 벡터 X (n)에 할당하는 작업이 될 것입니다.
데이터 세트를 사용하여 한 행의 값을 벡터로 변환하는 것은 비교적 쉽습니다. 음, 텍스트를 숫자로 변환하거나 그 반대로 변환해야하지만 표준 절차입니다.
이미지가 다릅니다. 이제 ML에 적합한 이미지 표현을 만들어야합니다. 즉 이미지를 설명하는 기능 (예 : 숫자)을 만들어야하며 나중에 해당 기능을 입력에 사용할 수 있습니다.
이러한 기능의 예로 색상 히스토그램, 평균 밝기, 가장자리 수, 다양한 회선 등이 있습니다. 그림에서 인간의 존재와 같이 더 복잡하고 의미 론적 기능이있을 수 있습니다. 그러나 이것들을 계산하는 것은 훨씬 더 어렵습니다.
이렇게 요약하면 이미지와 데이터 세트 모두에서 분류자를 만들 수 있지만, 기본적으로이 둘을 일련의 기능으로 변환하는 것을 의미합니다.