未指示の学習は、ラベルのないデータに関するトレーニングアルゴリズムを含む機械学習アプローチです。画像認識では、この方法は、ラベル作成が実用的である大規模なデータセットに有用である、定義済みのラベルなしでパターンと構造を特定するのに役立ちます。

監視されていない画像認識における実用的方法

複数の技術は、監視されていない画像認識で一般的に使用されます。 機能に基づいてアルゴリズムグループ同様の画像をクラスタリングするアルゴリズムは、寸法削減方法は、データを簡単に分析できます。 オートエンコーダは、効率的なデータ表現、特徴抽出の指導を学ぶニューラルネットワークです。

分類技術

K-meansや階層クラスタリングなどのクラスタリング方法は、視覚的な類似点に基づいて画像をグループに整理します。 これらの技術は、画像の分類や異常な検出などのタスクに役立ちます。

性能のメートル

監視されていない画像認識モデルを評価するには、ラベルされたデータを必要としないメトリックが含まれています。 一般的なメトリックには、クラスター内でデータポイントがどれだけよく収まるかを測定するシルエットスコア、およびDavies-Bouldinインデックスが含まれており、クラスターの分離と圧縮率を評価します。

  • シルエットスコア
  • Davies-Bouldin インデックス
  • カリナスキー・ハラバスズ指数
  • クラスタ純度