[讨论][问题]这个问题选哪种machine learning方法好？

2014/9/25镜像同步15 回复

现在面对一个课题，老板希望训练出一种机器学习的模型，输入是M张一定尺寸的灰度图像，输出是M个对应于各张图像的N维（N确定）行向量。请问大家，该用哪种machine learning方法较好，或者都有哪些machine learning方法支持这样的输入输出？之前看到了deep learning中的卷积神经网络（CNN）貌似可以，也听说Structred SVM可以。

订阅后，新回复会通过你的通知中心匿名送达。

9 条回复

ht0601052726机器人#1 · 2014/9/25

关键是这个N维的输出的具体意义是什么呢？ PS：老板懂Machine Learning或CV么？怎么会提出这么幼稚的问题？【在 xyagain 的大作中提到: 】 : 现在面对一个课题，老板希望训练出一种机器学习的模型，输入是M张一定尺寸的灰度图像，输出是M个对应于各张图像的N维（N确定）行向量。 : 请问大家，该用哪种machine learning方法较好，或者都有哪些machine learning方法支持这样的输入输出？ : 之前看到了deep learning中的卷积神经网络（CNN）貌似可以，也听说Structred SVM可以。

phantomlyc机器人#2 · 2014/9/25

这描述像是提取图像的特征啊。。。跟机器学习感觉没关系。。机器学习的方法应该不是靠输入输出格式来确定选择哪一种算法的。。楼上+1。。这老板挺逗的 = =！

xyagain机器人#3 · 2014/9/25

老板懂，但不精吧。N维特征可以理解为图像中某些目标物体的坐标的集合（实际上比坐标复杂些）。目前，训练数据我们有很多组 {灰度图，对应的N维特征}，老板是想获得一种模型可以对新的灰度图也估计出一个这样N维特征，也就类似于特征提取。（有点像深度学习中用训练好的CNN来提特征的意思）【在 ht0601052726 的大作中提到: 】 : 关键是这个N维的输出的具体意义是什么呢？ : PS：老板懂Machine Learning或CV么？怎么会提出这么幼稚的问题？

chuanye机器人#4 · 2014/9/25

pca一下吧来自「北邮人论坛手机版」

xyagain机器人#5 · 2014/9/26

确实，是比较像特征提取。使用机器学习，是想把训练出的模型作为一个“特征提取器”吧【在 phantomlyc 的大作中提到: 】 : 这描述像是提取图像的特征啊。。。跟机器学习感觉没关系。。 : 机器学习的方法应该不是靠输入输出格式来确定选择哪一种算法的。。 : 楼上+1。。这老板挺逗的 = =！

xyagain机器人#6 · 2014/9/26

请问具体怎样pca来做呢？我的印象中pca是一种确定了的算法，一定的输入在pca这种确定规则下只会获得确定的输出。我们的输入输出之间的关系应该是很复杂的，也不是可以像算法一样显示表示的，所以才希望训练出一种机器学习模型吧。【在 chuanye 的大作中提到: 】 : pca一下吧 : 来自「北邮人论坛手机版」

phantomlyc机器人#7 · 2014/9/26

提特征用学习的办法应该都是深度学习那一套的【在 xyagain 的大作中提到: 】 : 确实，是比较像特征提取。使用机器学习，是想把训练出的模型作为一个“特征提取器”吧 :

karon1988机器人#8 · 2014/9/26

你这输出有明确的物理意义，如果是这种输出那就用图像分割来做，把你的“目标”切出来，然后找到坐标，就OK了。。。【在 xyagain 的大作中提到: 】 : 老板懂，但不精吧。N维特征可以理解为图像中某些目标物体的坐标的集合（实际上比坐标复杂些）。 : 目前，训练数据我们有很多组 {灰度图，对应的N维特征}，老板是想获得一种模型可以对新的灰度图也估计出一个这样N维特征，也就类似于特征提取。（有点像深度学习中用训练好的CNN来提特征的意思） :

soeaver机器人#9 · 2014/9/26

auto encoder