标签：machine-learning neural-network image-processing python pca

我目前正在分析一组要分类的图片.
分类是通过人工神经网络以监督方式进行的.
我有一个测试集,为每个图片分配其类.

我现在想做的是生成很多描述符,然后在这些描述符上执行PCA
并进行统计分析,描述符可以描述多少
图片的类别.

如何以编程方式为这些图片生成描述符？这也可以帮助我解决将来的分类问题.让我们假设我有足够的计算能力(100个核心集群)
是否有包含大量图像描述符的库？

解决方法:

您基本上可以遵循两种方法开始：

>基于特征,使用诸如SIFT或GIST之类的方法,然后使用所谓的“单词袋”方法. vlfeat网站包含一个很好的演示.
>部署deeplearning算法(例如Sparse Autoencoder)来学习数据集的基本特征,然后可以将其进一步用于分类.

标签：machine-learning,neural-network,image-processing,python,pca
来源： https://codeday.me/bug/20191123/2064964.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。