Việc học không có giám sát là một máy học phương pháp mà bao gồm đào tạo các thuật toán trên dữ liệu không có nhãn. Trong công nhận ảnh, phương pháp này giúp xác định các mẫu và cấu trúc mà không có nhãn đã xác định trước, làm cho nó có ích cho các bộ dữ liệu lớn nơi mà nhãn là không thực tế.

Những phương pháp thực tiễn trong việc nhận diện ảnh không giám sát

Một số kỹ thuật thường được dùng trong nhận dạng ảnh không giám sát. Nhóm thuật toán tương tự dựa trên tính năng, trong khi các phương pháp giảm chiều đơn giản hóa dữ liệu để phân tích dễ dàng hơn. Các mạng thần kinh học cách mô tả dữ liệu hiệu quả, hỗ trợ tính năng chiết xuất.

Name

Các phương pháp xáo trộn như K-means và cụm phân loại tổ chức hình ảnh thành nhóm dựa trên sự tương đồng thị giác. Những kỹ thuật này có ích cho các công việc như phân loại hình ảnh và phát hiện bất thường.

Y học trình diễn

Đánh giá các mô hình nhận dạng ảnh không được giám sát bao gồm các thước đo không cần thiết dữ liệu có nhãn. Các thước đo thông thường bao gồm điểm bóng, đo điểm tốt trong các cụm của chúng, và chỉ số của độ phân chia và độ gọn của cụm.

  • Điểm số Silhouette
  • Chỉ mục & Xác lập cho mạng
  • Chỉ mục Calinski-Harabasz
  • Name