image-processing - 如何自动确定机器学习的特征？

Question

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，但不会分割海豹。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。问题是我不知道可以用哪个特征来描述海豹并将其与沙子区分开来。

局部直方图及其统计数据(特别是平均值和标准差)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区分。而且，我认为必须结合使用多种功能，但很难区分哪些功能。

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，以将它们用于机器学习算法的学习和预测步骤。

在我发现的每个教程中，描述符都已定义。

你有什么线索吗？

Answer 1

I have to determine the number of elephant seals in an image. .. any clue?

嗯，
“经典”ML-Features(本身)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，智能对象识别必须提供合理的鲁棒性。

举个例子，CNN 方法部署(通常是深度的)带有专门内核的预处理架构，首先有助于将 2D 场景分解为前体，接下来可能会帮助实际的基于 ML 的学习器(完全连接管道的“尾部”部分)开始学习对象识别。

如果没有这些(深或浅)卷积层以及许多应用的转码和池化技巧，则可以使用非线性变换的共局部新的、内核生成的“视觉”特征重新光栅化场景，对这些进行预处理自动-合成-特征，用于实际 ML 学习器的(但)更深层次。 许多论文就此发表，因此您实际上很高兴能够使用公共(public)资源。