computer-vision - 画像検索に SVM またはディープ ニューラル ネットワークを適用するにはどうすればよいですか

Question

画像データセットを取得した後、すべての画像に対して特徴データベースが構築されます。これは、画像の一部の RGB カラー モデルと HSV カラー モデルの平均値と標準偏差に基づくベクトルです。クエリ画像が指定されたら、svm を使用してデータベースから関連する画像を取得するにはどうすればよいですか。

また、上記の問題に対する教師なし学習の使用方法

Answer 1

クエリ画像がラベル付けされていないと仮定すると、SVM はラベル付けされていないデータのクラス ラベルを正しく決定しようとする教師あり学習の形式であるため、SVM を適用するにはデータセット画像のラベルを知る方法が必要になります。クラス ラベルを生成するには、教師なし学習などの別の方法が必要になるため、特徴ベクトルしかなくクラス ラベルがない場合、このアプローチは適切ではないようです。

ニューラル ネットワークは、ラベル付けされていないデータを使用した教師なし学習を可能にしますが、かなり複雑なアプローチであり、学術研究の対象となっています。k-Nearest Neighborsなどのより単純な機械学習アプローチを検討することをお勧めします。これにより、特徴空間で類似している k 個の最も近いトレーニング サンプルを取得できます。このアルゴリズムは実装が簡単で、多くの機械学習ライブラリに含まれています。たとえば、Python ではscikit Learn を使用できます。

作業している画像の種類はわかりませんが、ピクセル強度だけでなく、SIFT などの特徴検出アルゴリズムを使用して調査することもできます。