用附加數據識別圖像

Question

大家早上好，首先我想說清楚，我昨天開始學習機器學習的第一步。 我讀過最基本的項目並參加了一些演講。 我將在這裏參加一個項目，這個技術將在幾個月內應用。 作爲初學者，我想問一個我認爲很愚蠢的問題，但我找不到答案。

在演示文稿和文章中，我已經看到了可以對圖像或數據集進行分類的分類器的創建，但從未同時進行。 例如，鳶尾花數據集，用作示例。在這個數據集中，我們有花的特徵，例如花瓣寬度，但我們沒有它的視覺表現。可以同時適用，例如，估計某幅圖像的花瓣寬度？

我想這是一個非常基本的問題，但我找不到適合初學者的東西。

我將不勝感激。

Answer 1

機器學習模型總是在一些抽象數據項上工作，如矢量，多維空間中的點等。爲了簡單起見，讓我們暫時假設ML算法對矢量起作用。因此分類將是將標籤Y分配給矢量X（n）的任務。

現在通過數據集將行中的值轉換爲向量相對容易 - 您必須以某種方式將文本轉換爲數字，反之亦然，但這是一個標準過程。

與圖像是不同的。你現在必須建立一個ML適合的圖像表示。換句話說，您需要創建描述圖像的特徵（例如數字），以便稍後將其用作ML的輸入。

這些特徵的例子是：顏色直方圖，平均亮度，邊緣數量，各種卷積等。可以有更復雜的語義特徵，例如圖片上存在人類。但是計算這些要困難得多。所以，總結一下 - 你可以在圖像和數據集上都建立一個分類器，但它基本上意味着將兩者都轉換成一組特徵。