我面临着基于相似性的图像聚类问题,而不知道聚类的数量。理想情况下,我想实现类似这样的目标http://cs231n.github.io/assets/cnnvis/tsne.jpeg http://cs231n.github.io/assets/cnnvis/tsne.jpeg (http://cs231n.github.io/understanding-cnn/ http://cs231n.github.io/understanding-cnn/这张图是卷积神经网络的结果,它代表它学习到的组)
因为我对它们的分类不感兴趣(我不知道类别),所以我最感兴趣的是它们的“视觉”属性:颜色、形状、渐变等。
我发现很多文章建议使用 DBSCAN、t-SNE 甚至 k-means 等算法,但是有更好的解决方案吗?有人建议使用 HOG 变换,但说实话,我不知道如何将它们拼接在一起。
所以,总结一下,我怎样才能隔离(在 2D 平面上,分成组、文件夹等)基于颜色和形状属性的图像?
t-SNE 实际上非常适合您想要做的事情。
t 分布随机邻域嵌入 (t-SNE) 是
(获奖)降维技术
特别适合高维可视化
数据集。
您可以阅读更多相关内容here https://lvdmaaten.github.io/tsne/.
一如既往,sklearn 有一个非常用户友好的TSNE对象 https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html快速尝试一下。
我希望这有帮助...
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)