如何自动确定机器学习的特征？
How to automatically determine features for machine learning?
我必须确定图像中象海豹的数量。原图太大无法上传所以有一个示例：
Elephant seals
不能使用经典的图像处理技术，因为动物和沙子的颜色略有相同。我们会分割阴影或纹理，但不会分割印章。这就是我想测试机器学习的原因。
目标是手动确定一些代表海豹的 ROI 和代表沙子的其他 ROI，以便识别图像中的其他动物。问题是我不知道我可以用哪个特征来描述海豹并将它们与沙子区分开来。
局部直方图及其统计数据（特别是均值和标准差）似乎很有趣，但还不够。我考虑过使用图像梯度，但它并没有带来很好的辨别力。此外，我认为必须使用多个功能的组合，但很难说出哪些功能。
这就是为什么我想知道是否有一种方法可以自动确定判别特征，以便将它们用于机器学习算法的学习和预测步骤。
在我找到的每个教程中，描述符都已定义。
你有什么线索吗？
I have to determine the number of elephant seals in an image. .. any clue?
好吧，
" 经典 " ML-Features ( per-se ) 在这里还不够:
这是智能对象识别的常见情况，在任何计数开始有意义之前，它必须提供合理的鲁棒性。
例如，CNN 方法使用专门的内核部署（通常是深度）预处理架构，首先有助于将 2D 场景分解为前光标，接下来可能会帮助实际的基于 ML 的学习者（管道的完全连接 "tail" 部分）开始学习对象识别。
没有这些（深或浅）卷积层和其中许多应用的转码和池技巧，使用非线性变换的共局部新的、内核产生的 "visual" 特征重新栅格化场景，预处理这些 auto-synthetised-features 用于实际 ML-learner 的（尚未）更深层。
许多论文都发表在这方面，所以你真的很高兴有 public 个来源可以使用。
我必须确定图像中象海豹的数量。原图太大无法上传所以有一个示例：
Elephant seals
不能使用经典的图像处理技术，因为动物和沙子的颜色略有相同。我们会分割阴影或纹理，但不会分割印章。这就是我想测试机器学习的原因。
目标是手动确定一些代表海豹的 ROI 和代表沙子的其他 ROI，以便识别图像中的其他动物。问题是我不知道我可以用哪个特征来描述海豹并将它们与沙子区分开来。
局部直方图及其统计数据（特别是均值和标准差）似乎很有趣，但还不够。我考虑过使用图像梯度，但它并没有带来很好的辨别力。此外，我认为必须使用多个功能的组合，但很难说出哪些功能。
这就是为什么我想知道是否有一种方法可以自动确定判别特征，以便将它们用于机器学习算法的学习和预测步骤。
在我找到的每个教程中，描述符都已定义。
你有什么线索吗？
I have to determine the number of elephant seals in an image. .. any clue?
好吧，
" 经典 " ML-Features ( per-se ) 在这里还不够:
这是智能对象识别的常见情况，在任何计数开始有意义之前，它必须提供合理的鲁棒性。
例如，CNN 方法使用专门的内核部署（通常是深度）预处理架构，首先有助于将 2D 场景分解为前光标，接下来可能会帮助实际的基于 ML 的学习者（管道的完全连接 "tail" 部分）开始学习对象识别。
没有这些（深或浅）卷积层和其中许多应用的转码和池技巧，使用非线性变换的共局部新的、内核产生的 "visual" 特征重新栅格化场景，预处理这些 auto-synthetised-features 用于实际 ML-learner 的（尚未）更深层。