orologio borsa di parole per la classif

borsa di parole per la classificazione

estratto da piccole macchie caratteristiche dell’immagine e poi applicare arco onafter la caratteristica estrazione ho cercato apc, caratteristica di selezione, cambiando no di cluster per kmeans etc per migliorare la precisione.ma nel mio caso fiocco imparato sui valori di pixel (1) outperforms (90%) che l’arco imparato su caratteristiche (2) (70%).le caratteristiche del bene e quando uso di classificare le immagini usando un altro quadro, sono riuscito ad ottenere più del 95% di precisione.

la mia domanda e ‘perche’ inchino imparato in pixel superano arco imparato su caratteristiche?

“in una scena in geometriche e semanticamente coerente regioni.” (gould et. al.), forma, colore, edge, ecc. caratteristiche derivate da fare cose come la formazione promossa la regressione logistica classificatori, potts, modelli e modelle gaussiana di miscela.

probabilmente non hai bisogno di estrarre le caratteristiche tecniche intense beat pixel vettori, ma dovresti curiosare nella letteratura per vedere cosa è efficace.

setacciare caratteristiche, colore istogrammi, e filtri per estrarre la consistenza delle risposte funzionano piuttosto bene e anche un importo ragionevole della libre orologio ria software di supporto.

grazie per le informazioni.ho provato a 2: (1) l’estrazione di caratteristiche (consistenza, colore, edge, ecc.) (2) solo il colore.dopo l’estrazione di caratteristiche ho cercato apc / caratteristica selezione in estratto caratteri orologio stiche / intensità valori.ho orologio trovato su alcuni documenti dicendo che per intensità valori con qualche centinaio di cluster sono abbastanza, ma per gli elementi abbiamo migliaia di cluster.quindi al momento sto cercando con molti gruppi e spero che mi darà buoni ris orologio ultati.- aggiorneranno presto i risultati.