وتستخدم تقنيات التعلم غير المشرفة على نطاق واسع في مجال تجزؤ الصور لتحديد المناطق ذات المغزى داخل الصور دون بيانات مسمّاة، وهذا النهج يساعد في التطبيقات التي يكون فيها الشروح اليدوية غير عملي أو مكلف، ويمكن أن يؤدي فهم المعلومات والحسابات العملية إلى تحسين فعالية هذه الأساليب.

أساسيات الفصل غير المشرف

وتشمل التجزؤ غير المشرف على الصور تجميع البيكسات على أساس خصائص مثل اللون أو النسيج أو الكثافة، وتشمل الخوارزميات المشتركة التكتلات بين الكين وميلان شيفت والأساليب القائمة على غراف، وتحلل هذه التقنيات بيانات الصور لتقسيمها إلى مناطق متميزة دون علامات مسبقة.

الأطر العملية للتنفيذ

ولتحسين نتائج التجزئة، النظر في النصائح التالية:

  • Preprocess images:] Normalize pixel values to reduce variability.
  • Select relevant features:] Use color spaces like LAB or HSV for better segmentation.
  • Determine opt parameters:] Use methods like the elbow method for K-means to choose the number of clusters.
  • Validate results:] Use metrics such as silhouette score to assess segmentation quality.

الحسابات والمقاييس

فالحسابات ضرورية لضبط الخوارزميات وتقييم النتائج، ففي تجمع الكي - ماي، على سبيل المثال، يساعد مجموع المساحات داخل المجموعة على تحديد العدد الأمثل للمجموعات، ويحدّد سجل سجل السيلوت كيف تكون البيكسات المماثلة داخل مجموعتها مقارنة بالمجموعات الأخرى.

لفهم WCSS:

Sum of squared distances between each point and its cluster centroid.

وتتراوح نتائج الحرير من 1 إلى 1 مع ارتفاع القيم مع تحديد تقسيم أفضل.