Ang hindi pa nailalapat na pagkatuto ay isang paraan ng pagkatuto ng makina na kinasasangkutan ng pagsasanay ng algorithms sa hindi nababale-lugar na datos. Sa pagkilala ng imahe, tumutulong ang pamamaraang ito upang matukoy ang mga dibuho at istraktura na walang prepagpapakahulugang mga etiketa, na ginagawa itong kapakipakinabang para sa malalaking dataset kung saan ang pag-uuri ay hindi praktikal.
Mga Praktikal na Paraan sa Di - Nakikitang Larawang Kinikilala
Ilang pamamaraan ang karaniwang ginagamit sa hindi nababale - wala na pagkilala sa larawan.Ang mga grupong nag - eempleo ng algorithms ay nag - uugnay ng katulad na mga larawan batay sa mga katangian, samantalang ang mga pamamaraan sa pagbabawas ng dimensiyon ay nagpapasimple ng mga impormasyon para sa mas madaling pagsusuri.
Mga Pamamaraan sa Pagpupuslit
Ang mga paraang pampulis tulad ng K-asured and esterlationing clustering ay nag-aorganisa ng mga imahe sa mga grupo batay sa mga pagkakatulad sa paningin. Ang mga teknik na ito ay kapaki-pakinabang sa mga gawain tulad ng categorisasyon ng imahe at anamatikong pag-aanalisa.
Pag - aasikaso sa mga Katamantalahan
Ang mga hindi nailalapat na mga modelong pagkilala sa imahe ay kinasasangkutan ng mga metriko na hindi nangangailangan ng mga naka-sign na datos. ang mga karaniwang metric ay kinabibilangan ng spesipikong iskor, na sumusukat kung gaano kaangkop ang mga data point sa loob ng kanilang mga kumpol, at ang Davies-Bouldin index, na sumusukat sa cluster separation at compactness.
- Maraming Silhouette
- Davies-Boldin Index
- Kalinski-Harabasz Index
- Kalinis - linisang Lutong Pulto