2012-05-19 73 views
1

我編寫了一個圖像處理程序,它訓練一些分類器來識別圖像中的某個對象。現在我想測試我的算法對噪聲的響應。我希望算法對噪聲有一定的魯棒性。在噪聲數據上測試圖像處理算法

我的問題是,應該使用訓練集的噪聲版本我訓練分類,或使用訓練數據集的原始版本的分類,並看到其對噪聲數據的表現。

謝謝。

+0

如果您在乾淨的圖像中訓練,您的分類器爲什麼會在嘈雜的環境中正常工作?假設你想要在B&W照片中識別飛機......你會在彩色照片上訓練算法嗎? –

+0

我的圖像是醫學超聲波,它有固有的散斑噪聲。我想增加噪音。我覺得在嘈雜的圖像中,物體的結構是扭曲的,分類器無法學習。 – Lily

+0

分類以像素爲單位,必須學習明亮的像素。 – Lily

回答

0

爲了顯示分類器的魯棒性,可以使用原始訓練分類器上的高噪聲測試數據。根據該性能,可以使用嘈雜的數據再次訓練,然後再次測試。顯然對於應用程序開發來說,如果包含極其嘈雜的樣本會提高準確性,那麼這就是要走的路。文學說,儘可能多的訓練樣本。然而有時這會降低特定情況下的性能。