Ang hindi pa nailalapat na pagkatuto ay isang sangay ng pagkatuto ng makina na kinasasangkutan ng pagsasanay ng algorithms sa mga hindi nababalehas na datos. magagamit ito upang mapainam ang mga pamamaraan ng pag-iiskeyting ng imahe sa pamamagitan ng pagtuklas ng mga dibuho at mga katangian nang walang preliminasyong mga etiketa. Ang pamamaraang ito ay pumapayag sa mas mahusay na mga paraan ng compression na umangkop sa likas na kayarian ng mga imahe.

Pag - unawa sa Di - Nasusupil na Pagkatuto

Sa hindi pa nakukukontrol na pagkatuto, sinusuri ng mga modelo ang mga data upang matukoy ang mga pagkakatulad at mga paggugrupo. di tulad ng mga pinangangasiwaang pag-aaral, hindi ito umaasa sa mga naka-sign na datasets. Ang mga karaniwang pamamaraan ay kinabibilangan ng pagkukumpol ng kumpol at dimensyonalidad, na kapaki-pakinabang sa pagpoproseso ng mga impormasyong imahe para sa compression.

Pagkakapit ng Di - Nagagamot na Pagkatuto sa Pagkukuwenta

Ang mga hindi nasupervised algorithms ay maaaring matuto ng mga mahahalagang katangian ng mga imahe, tulad ng mga striktura at mga gilid, sa pamamagitan ng pagsusuri ng malalaking koleksiyon ng mga hindi nababale-parehong imahe. Ang mga katangiang ito ay saka magagamit upang lumikha ng mas siksik na mga representasyon, pagbabawas ng sukat ng talaksan habang pinananatili ang kalidad.

Ang mga pamamaraang katulad ng mga autoencoder ay partikular na epektibo. ang mga ito ay nagpupwersa ng mga imahe sa isang mas mababang-dimensional na espasyo at muling binuo ang mga ito ng kaunting kawalan. ang pagsasanay ng mga autoencoder sa mga hindi pa nababalahang datos ay nagpapangyari sa modelo na matuto ng mahusay na mga planong pang-edukasyon na nababagay sa dataset.

Mga Pakinabang at Hamon

Sa pamamagitan ng hindi makontrol na pag - aaral ng mga larawan para sa compression, may mga pakinabang na gaya ng pakikibagay sa iba't ibang uri ng larawan at pagbabawas ng pangangailangang may tatak na data.

  • Pinaghusay na mga tumbasan ng compression
  • Binabawasan ang pagtitiwala sa mga etiketang may markang datos
  • Kakayahang matuto ng masalimuot na mga katangian
  • Potensiyal para sa mga aktuwal na aplikasyong pang-panahon