Какие преимущества нейронной сети Хэмминга перед алгоритмом сравнения расстояния Хэмминга?

Question

[Тарас Сереванн]

Задача: сказать, на какое из заданных изображений (или паттернов) наиболее похоже входное изображение (или входной паттерн).

Мне предлагается решить это с помощью нейронной сети Хэмминга, но мне кажется это можно сделать проще -- просто написать алгоритм, который будет считать расстояние Хэмминга между заданным изображением и изображениями в базе. То, в сравнении с которым расстояние Хэмминга окажется минимальным, и будет наиболее похожим.

Какие минусы моего подхода в сравнении с использованием нейронной сети Хэмминга?

Comments

[xmoonlight]

Опишите: что из себя предстваляют эти два подхода в отдельности.

Answer 1

[dmshar]

Вообще-то, согласно Википедии
Нейронная сеть Хэмминга — вид нейронной сети, использующийся для классификации бинарных векторов, основным критерием в которой является расстояние Хэмминга.
Так что, что с чем вы противопоставляете - не совсем понятно.
Но вот волнует другое. Как мне кажется, понятие "наиболее похожее изображение" - весьма расплывчатое. Ну, например, предполагает-ли они похожесть картинок, изображение на которых разномасштабно? Или использует разные гаммы цветов? Или содержит графические искажения изображения? Или просто - пожожие это те изображения, на которых изображены (не важно как) предметы одного класса? И.т.д.
И сдается мне, что Нейронная сеть Хэмминга с большинством из этих задач не справиться по определению.

Comments

[Тарас Сереванн]

ну вот один вариант это использовать эту нейросеть, другой - просто пройтись циклом по всем вариантам и рассчитать расстояние хэмминга для каждого класса, выбрать наименьшее - вот и будет ответ такой же, как у сети. И интересно, какой вариант более производительнее будет.

Похожесть изображения: чем меньше пикселов различается (расстояние хэмминга), тем более похоже изображение.

[dmshar]

Тарас Сереванн,
Т.е. два тождественных изображения сдвинутые на 20 пикселов вправо и 10 вниз - дадут "бесконечное" расстояние Хэмминга, так как ВСЕ пикселы будут отличаться. Равно как и два изображения, масштабированные на несколько процентов.
Неплохое такое определение похожести.