しばらくの間、私は OpenCV を使用してきました。これは、特徴抽出、マッチング、クラスタリング (これまでの k-means) と分類 (SVM) のすべてのニーズを満たしました。最近、Apache Mahout に出会いました。ただし、機械学習のアルゴリズムのほとんどは、OpenCV でも既に利用可能です。仕事が Videos と Images に関連している場合、OpenCV よりも Mahout を使用する利点はありますか?
質問する
830 次
1 に答える
2
この質問は意見に基づいているため、保留になる可能性があります。基本的な比較を追加したいと思います。
OpenCV は、おそらく研究または発明されたビジョンと ml に関するあらゆる機能を備えています。ビジョンの文献はそれに基づいており、文献に従って展開されます。MATLAB に由来する TLD のような新しい ml アルゴリズム ( http://www.tldvision.com/ ) でさえ、OpenCV ( http://gnebehay.github.io/OpenTLD/ ) を使用して実装することができます。
Mahout も可能で、ml に固有です。よく知られている ml アルゴリズムだけでなく、特定のアルゴリズムも含まれています。「K-means Orientation Filtering を使用したリンゴの処理」という論文に出くわしたとします。このホワイト ペーパーの OpenCV 実装は、Web のいたるところにあります。実際のアルゴリズムでさえオープン ソースであり、OpenCV を使用して開発されている場合があります。OpenCV では 500 行のコードが必要だとしますが、Mahout では、ペーパーはすでに単一のメソッドで実装されている可能性があり、すべてが簡単になります。
このケースの例はhttp://en.wikipedia.org/wiki/Canopy_clustering_algorithmで、現在 OpenCV を使用して実装するのはより困難です。
画像データセットを扱うので、 HIPIについても学ぶ必要があります。
要約すると、簡単な賛否両論の表は次のとおりです。
ノウハウ (学習曲線): OpenCV については既に知っているので、OpenCV の方が簡単です。Mahout+HIPI はさらに時間がかかります。
例: Literature + Vision コミュニティは一般的に OpenCV を使用します。オープン ソースのアルゴリズムは、ほとんどが OpenCV の C++ api で作成されます。
ml アルゴリズム: Mahout は ml にすぎませんが、OpenCV はより一般的です。それでも OpenCV は基本的な ml アルゴリズムにアクセスできます。
開発: コーディングと時間の複雑さの点で、Mahout を使用する方が簡単です (後者についてはよくわかりませんが、そうだと思います)。
于 2013-09-24T14:38:05.917 に答える