問題タブ [crf]

を使用して CRF をトレーニングしました。ファイルGenericAcrfTuiに書き込みACRFます。トレーニング済みの CRFを読み込んで使用する方法はよくわかりませんが、

動作するようです。ただし、ラベル付けは正しくないようで、入力として渡すラベルに依存しているようです。 ロードされた ACRF を使用してラベルを付けるにはどうすればよいですか?

ラベル付けの方法は次のとおりです。

を見てわかったGenericAcrfTui。私が試したいくつかのこと：

• 異なる初期ラベル (「O」以外) を付けようとすると、結果のラベル付けが変更されましたが、最初に付けるラベルを推測できないため、これは役に立ちません。そうしないと、タガーは必要ありません。
• 最初のラベルをまったく付けないようにしましたが、例外が発生しました。Mallet は本当にそれらのラベルが必要なようです。

SimpleTaggera のトレーニングに使用できるもあることに気付きましたが、CRFそれを使用して新しい入力にラベルを付けるために同じ問題が発生すると思います。

SimpleTaggerまたはからのCRFを使用したラベル付けに関するヘルプGenericAcrfTuiが役立ちます。

ところで、通常は CRF++ を使用しますが、このタスクでは、依存関係解析機能を使用しているため、独自のグラフを作成したいと考えています。

画像にセグメンテーション ツールを実装しようとしていますが、条件付きランダム フィールド (CRF) ベースの方法を使用しようとしています。たとえば、この論文では.

標準の CRF エネルギー関数には、単項ポテンシャルとペアワイズ ポテンシャルの 2 つの部分が含まれます。

ここで、L はクラス ラベル、X は観測値 (画像ピクセル) です。

画像内のオブジェクトのラベルが付いたトレーニング画像があります。たとえば、ラベル付きの画像内のオブジェクトのグラウンド トゥルース セグメンテーションを取得しました。

これらのオブジェクトのテクスチャを機能として使用したい場合、このエネルギー関数のトレーニングをどのように実装して行うのだろうか? たとえば、単項項は次のように表すことができます。

ここで、v_texture はラベル付けされた各オブジェクトのベクトル化されたテクスチャ機能です。

私の質問は、この対数確率関数を実装する方法ですか? ヒストグラムを使用していますか? ありがとう。A.

画像から条件付きランダムフィールドベースのエネルギー関数を構築することについて、昨日のリンクで「非常に幅広い」質問をしました。コメントから否定的なフィードバックを受け取りました。質問を修正して、より具体的にする必要があると思います。

ここでは、牛が草の上にいて、空が背景にある画像がたくさんあります。牛を草と空から切り離したい (おもちゃの問題のみ)。

最初に、スーパーピクセル法を使用して画像を過剰にセグメント化し、10 個のトレーニング画像のラベルのグラウンド トゥルースを取得しました。ここに例があります、

次に、これらのスーパー ピクセル パッチをフィルタに渡してテクスチャの特徴を取得し、それらを牛 (c)、草 (g)、空 (s) の特徴ベクトルに保存します。

私の質問は、Matlab を使用してこれら 3 つのクラスの条件付き確率を実装する方法です。

P(X_i|C_c)、P(X_i|C_g)、P(X_i|C_s)のように? X_i は各スーパーピクセル、C_x は 3 つのクラスです。

Matlab hist 関数の使用について言及されている Web ページがあると思います。それを行う方法と理由がわかりません。複雑な論文ではなく、応用できる基本的なヒントを教えてください。どうもありがとう。A.

多くの (100 以上) クラスを持つ固有表現認識システムを開発します。それらの頻度がほぼ等しいと仮定すると、どのアルゴリズムが最適に機能する必要がありますか? CRFがどのように機能するかについての私の理解（悲しいことに、理想からはほど遠い）によると、ここでは問題ないはずです。しかし、いくつかの情報源 ( Google ブックス) で別の意見を見つけました。

では、CRF は膨大な数のクラスを持つ NER に適したアルゴリズムですか?

条件付きランダム フィールドを使用するために Mallet を使用しています。私の理解では、CRFにはノードの接続方法に応じていくつかの種類のマルコフ順序があります。図では、上から 3 四半期の注文、1 番目の注文、2 番目の注文です。

1. 概念の確認:「マルコフ次数」、「接続性」、「遷移」という用語は、すべて同じ概念を指しているように見えるため、基本的に混乱しています。ノードを接続するエッジがあれば、ノードを別のノードに移行できると思います。これですか、それとも何か不足していますか?

2. 注文パラメータMallet では、使用したいマルコフ次数のパラメータを設定できます。1、2、0.75 かかると思っていましたが、代わりに 2 つのパラメータが必要で、「メインとバックオフの順序」として説明されています。 . これは何を意味するのでしょうか？

3. 私のタスクは順次タグ付けに似ているため、CRF を使用しようとしました。私が行っている分類タスクは、前のノードの分類結果と非常に相関しています。このタスクに SVM を使用したとき、「前のノード ラベル」機能を含めて 2 段階の学習を行いました。最初に「前のノード ラベル」の真理データを使用して SVM をトレーニングし、次にその予測結果を使用して別のモデルをトレーニングしました。最初の分類子。しかし、CRF で、前のノードのラベルを含む 2 次を使用する場合、このような学習やこの機能の使用は不要でしょうか? これを明確に説明していることを願っています。