2012-05-19 3 views
1

Я написал программу обработки изображений, которая обучает некоторый классификатор для распознавания какого-либо объекта на изображении. теперь я хочу проверить реакцию моего алгоритма на шум. Я хочу, чтобы алгоритм обладал некоторой устойчивостью к шуму.Проверка алгоритма обработки изображений на шумные данные

Вопрос в том, должен ли я обучать классификатор с использованием шумной версии набора данных поезда или обучать классификатор с использованием исходной версии набора данных и видеть его производительность по шумным данным.

спасибо.

+0

Почему ваш классификатор хорошо работает в шумных условиях, если вы обучите его чистым изображениям? Предположим, вы хотите, чтобы самолеты узнавались на фотографиях B & W ... Не могли бы вы разработать алгоритм для цветных изображений? –

+0

Мое изображение - это медицинское ультразвуковое исследование, которое обладает присущим спекл-шумом. Я хочу увеличить шум. Кажется, что в шумных изображениях структура объектов искажается, а классификатор не может учиться. – Lily

+0

Классификация по пикселям и она должна изучать, например, яркие пиксели. – Lily

ответ

0

Чтобы показать надежность классификатора, вы можете использовать высокошумные тестовые данные для первоначально обученного классификатора. в зависимости от этой производительности, можно снова тренироваться с использованием шумных данных, а затем снова тестировать. очевидно, для разработки приложений, если включить чрезвычайно шумные образцы, повысить точность, то это путь. литература говорит, что как можно больший выбор учебных образцов. однако иногда это ухудшает характеристики в конкретных случаях.

Смежные вопросы