Στην επεξεργασία εικόνας, βοηθά στον εντοπισμό προτύπων, ομαδοποιήσεων και χαρακτηριστικών μέσα σε μεγάλα σύνολα δεδομένων των εικόνων. Αυτή η προσέγγιση είναι πολύτιμη για εργασίες όπου τα επισημασμένα δεδομένα είναι σπάνια ή μη διαθέσιμα.

Τεχνικές στην Αδιάβροχη Επεξεργασία Εικόνας

Πολλές τεχνικές χρησιμοποιούνται για την εφαρμογή της μη επιτηρούμενης μάθησης στην επεξεργασία εικόνας. Αλγορίθμοι συμπύκνωσης, όπως τα μέσα K και ιεραρχική συσπειρώσεις, ομαδοποίηση παρόμοιων εικόνων ή περιοχών εντός εικόνων. Μέθοδοι μείωσης διαστάσεων όπως η Βασική Ανάλυση Συστατικό (PCA) απλοποιούν τα δεδομένα μειώνοντας τα χαρακτηριστικά διατηρώντας παράλληλα τις βασικές πληροφορίες.

Υπολογισμός και Μετρικοί

Οι υπολογισμοί στην μη επιτηρούμενη μάθηση συχνά περιλαμβάνουν μέτρηση ομοιότητας ή απόστασης μεταξύ των σημείων δεδομένων. Οι κοινές μετρήσεις περιλαμβάνουν την Ευκλείδεια απόσταση και την ομοιότητα συνημμένου. Οι αλγόριθμοι συμπύκνωσης χρησιμοποιούν αυτές τις μετρήσεις για να εκχωρήσουν δεδομένα σε ομάδες.

Παραδείγματα Πραγματικού Κόσμου

Στην ιατρική απεικόνιση, βοηθά τους ιστούς τμήμα και ανιχνεύει ανωμαλίες χωρίς προηγούμενες ετικέτες. Στην αναγνώριση προσώπου, ομάδες συσπειρωτισμού παρόμοια πρόσωπα για την αναγνώριση. Δορυφορική ανάλυση εικόνων χρησιμοποιεί μη επιτηρούμενες τεχνικές για την ταξινόμηση των τύπων κάλυψης γης και την παρακολούθηση των περιβαλλοντικών αλλαγών. Αυτές οι εφαρμογές αποδεικνύουν την ευελιξία των μη επιτηρούμενων μεθόδων για την εξαγωγή σημαντικών πληροφοριών από σύνθετα δεδομένα εικόνας.