我正在尝试使用机器学习来构建图像处理的专家系统

比如说…例如…我有一些完美的图像集和从这些图像集训练出来的学习引擎。如果我输入一张褪色或奇怪的图像到引擎中，引擎会改变图像的特征，如颜色、锐度等…

普通的机器学习只会告诉我图像是好还是不好。

问题是如何获得最佳的参数集（如增加的RGB值、锐化算法的参数等），而不仅仅是判断图像的好坏。

有没有专门用于提取参数的机器学习方法？

回答：

普通的机器学习只会告诉我图像是好还是不好。

不对。没有所谓的’普通机器学习’。你描述的是一个二元分类任务，这是机器学习领域中的一种任务类型。

你所描述的让我假设你想给一个机器学习算法输入一张图像，并得到一个定量值（某个实数）作为输出（你称之为’锐度参数’等）。这被称为回归任务。阅读关于回归算法的内容，选择一个适合你的算法。

在我看来，既然你在处理图像，你应该尝试使用卷积神经网络来训练你的数据，并对你之前未见过的新图像进行回归。它们在处理图像方面非常出色，但从计算角度来看，它们相当’重’。