什么是图像处理中的训练和测试？
What is training and testing in image processing?
我正在对某些 RGB 图像实施基于 k 均值聚类 方法的颜色量化。然后，我将确定算法的性能。我找到了一些关于训练和测试的信息。据我了解，我应该划分图像样本进行训练和测试。
但是我对训练和测试这两个术语感到困惑。这些是什么意思？以及如何使用排名值来实现？
训练和测试是机器学习中的两个常见概念。在监督学习的框架下更容易解释训练和测试；你有一个训练数据集，你知道它的输入数据以及你想要预测的附加属性。训练包括从训练数据集的一部分中学习数据和属性之间的关系，测试包括在数据集的另一部分测试这种关系的预测（因为你知道预测，你可以比较关系的输出和真实属性）。可以在 http://scikit-learn.org/stable/tutorial/basic/tutorial.html
上找到使用这些概念的很好的介绍性教程
然而，聚类是无监督学习的class，也就是说，你只有一些输入数据（这里是像素的RGB值，如果我理解好），没有任何相应的目标值。因此，您可以 运行 k-means 聚类算法来找到 classes 具有相似颜色的像素，而无需训练和测试算法。
在图像处理中，训练和测试用于 class 化像素以分割不同的对象。一个常见的例子是使用随机森林 classifier：用户选择属于不同感兴趣对象（例如背景和对象）的像素，classifier 在这组像素上进行训练，并且然后剩余的像素由 classifier 归因于 classes 之一。 ilastik (http://ilastik.org/) 是执行交互式图像class化和分割的软件示例。
我不知道您使用的是哪种编程语言，但是 k-means 已经在各种库中实现了。对于 Python，SciPy (http://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.vq.kmeans2.html#scipy.cluster.vq.kmeans2) and scikit-learn (http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html) have an implementation of K-means. Also note that, depending on your application, you may be interested in clustering pixels together using not only pixels values, but also spatial proximity of pixels. See for example the scikit-image gallery example http://scikit-image.org/docs/dev/auto_examples/plot_rag_mean_color.html
我正在对某些 RGB 图像实施基于 k 均值聚类 方法的颜色量化。然后，我将确定算法的性能。我找到了一些关于训练和测试的信息。据我了解，我应该划分图像样本进行训练和测试。
但是我对训练和测试这两个术语感到困惑。这些是什么意思？以及如何使用排名值来实现？
训练和测试是机器学习中的两个常见概念。在监督学习的框架下更容易解释训练和测试；你有一个训练数据集，你知道它的输入数据以及你想要预测的附加属性。训练包括从训练数据集的一部分中学习数据和属性之间的关系，测试包括在数据集的另一部分测试这种关系的预测（因为你知道预测，你可以比较关系的输出和真实属性）。可以在 http://scikit-learn.org/stable/tutorial/basic/tutorial.html
上找到使用这些概念的很好的介绍性教程然而，聚类是无监督学习的class，也就是说，你只有一些输入数据（这里是像素的RGB值，如果我理解好），没有任何相应的目标值。因此，您可以 运行 k-means 聚类算法来找到 classes 具有相似颜色的像素，而无需训练和测试算法。
在图像处理中，训练和测试用于 class 化像素以分割不同的对象。一个常见的例子是使用随机森林 classifier：用户选择属于不同感兴趣对象（例如背景和对象）的像素，classifier 在这组像素上进行训练，并且然后剩余的像素由 classifier 归因于 classes 之一。 ilastik (http://ilastik.org/) 是执行交互式图像class化和分割的软件示例。
我不知道您使用的是哪种编程语言，但是 k-means 已经在各种库中实现了。对于 Python，SciPy (http://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.vq.kmeans2.html#scipy.cluster.vq.kmeans2) and scikit-learn (http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html) have an implementation of K-means. Also note that, depending on your application, you may be interested in clustering pixels together using not only pixels values, but also spatial proximity of pixels. See for example the scikit-image gallery example http://scikit-image.org/docs/dev/auto_examples/plot_rag_mean_color.html