Việc học không giám sát là một chi nhánh của máy học tập phân tích dữ liệu mà không có ghi nhãn. Trong tiến trình xử lý ảnh, nó giúp xác định các mẫu, nhóm lại và tính năng trong tập dữ liệu lớn của ảnh. Cách này có giá trị cho công việc mà dữ liệu nhãn là khan hiếm hoặc không có.

Kĩ thuật trong tiến trình ảnh không giám sát

Một số kỹ thuật được dùng để thực hiện việc học không giám sát trong tiến trình xử lý ảnh. Các thuật toán bộ thay đổi, như K-mates và cụm phân loại, nhóm ảnh hay vùng tương tự trong ảnh. Phương pháp giảm tính năng dimensitional as crition ition ificate stity stritionlylylylylylylylylylylylylylylylylyly as refungivections as cying wectionsctions. Các bộ mã hoá, một loại mạng thần kinh, học đại diện dữ liệu hiệu quả và được sử dụng để phân tích và lấy tính năng.

Tính toán và đo lường

Tính toán trong việc học không có giám sát thường bao gồm đo khoảng cách tương tự hoặc khoảng cách giữa điểm dữ liệu. Các đo lường chung bao gồm khoảng cách Euclidean và tương tự cô sin. Nhóm phân giải các thuật toán này dùng các thước đo để gán dữ liệu cho nhóm. Số đo lường như điểm đo lường chất lượng của cụm bằng cách đo khoảng cách tương tự so với cụm khác.

Ví dụ thế giới thực

Việc học không giám sát được áp dụng trong nhiều kịch bản xử lý ảnh. Trong hình ảnh chụp y học, nó giúp phân đoạn mô và phát hiện dị thường không có nhãn trước. Trong việc nhận diện khuôn mặt, nhóm các mặt tương tự để nhận diện. Phân tích hình vệ tinh dùng kỹ thuật không giám sát để phân loại các loại đất và giám sát các thay đổi môi trường. Những ứng dụng này cho thấy tính năng ngược lại của phương pháp không giám sát để lấy thông tin có ý nghĩa từ dữ liệu ảnh phức tạp.