Învățarea nesupravegheată este o abordare de învățare automată care implică algoritmi de formare pe date neetichetate. În recunoașterea imaginii, această metodă ajută la identificarea modelelor și structurilor fără etichete predefinite, ceea ce face utilă pentru seturi de date mari în care etichetarea este nepractică.

Metode practice de recunoaștere a imaginii nesupravegheate

Mai multe tehnici sunt utilizate în mod obișnuit în recunoașterea nesupravegheată a imaginii. Algoritmii grupează imagini similare bazate pe caracteristici, în timp ce metode de reducere a dimensionalității simplifică datele pentru o analiză mai ușoară. Autoencodorii sunt rețele neuronale care învață reprezentări de date eficiente, ajutând la extragerea caracteristicilor.

Tehnici de cluster

Metode de clusterare precum K-Media si gruparea ierarhica organizeaza imagini in grupuri bazate pe similaritati vizuale. Aceste tehnici sunt utile pentru sarcini precum clasificarea imaginii si detectarea anomaliei.

Metrici de performanță

Evaluarea modelelor nesupravegheate de recunoaștere a imaginii implică indicatori care nu necesită date etichetate.metricele comune includ scorul siluetei, care măsoară cât de bine se încadrează punctele de date în cadrul grupurilor lor, și indicele Davies-Bouldin, care evaluează separarea de grup și compactitatea.

  • Scorul siluetei
  • Indicele Davies-Bouldin
  • Indicele Calinski-Harabasz
  • Puritatea Clusterului