SURF描述符提取的值是否适合作为神经网络的输入?

正如标题中提到的,这些值是否足够用来训练神经网络进行分类任务(两类)?

我的目标是尝试使用SURF提取的特征点来分割前景和背景。这些提取的特征点将作为输入输入到神经网络中(监督或分类)。

我的问题是,这些值(128或64的梯度信息)是否是训练神经网络的好选择?


回答:

简短回答:是的,很好。

稍微详细的回答:你依赖SURF来做SURF最擅长的事情,而你依赖神经网络来分类/识别这些输入的模式。这是完全正确的。实际上,这总是取决于具体的任务,如果因为某些原因SURF无法捕捉到与你构建的模型相关的特征,那么你会遇到麻烦。但总的来说:赞同。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注