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@)
