Вопросы про нейронные сети?

Question

[mIka01]

Здраствуйте, вопросы про фотограмметрию с нейронной сетью.

Есть идея.

1. Взять фотографию и с помощью нейронной сети найти объекты на изображении.
   
2. Определить размеры объектов и сравнить с реальными размерами.
   
3. Используя размеры и характеристики камеры найти на каком удалении они находятся от камеры.
   
4. Результат получится не точный, однако мне такой и нужен.
   

Будет ли это работать и если да, то как это реализовать.

Второй вопрос: Какие есть самообучающиеся алгоритмы отличные от "персептрона". На подобии этого алгоритма ORG.

Заранее благодарю за ответ.

Answer 1

[dmshar]

Непонятен вопрос :"Будет ли это работать". Вы привели перечень из трех задач и одного своего размышления. Каждая из этих задач вполне решаемая и обсуждаемая даже на этом форуме многократно. Ну например:

1.
Как сделать поиск деталей на изображении?
Как работают системы распознавания лиц?
Есть ли опенсурс нейронные сети по поиску лиц на фотографиях?
Система определения объекта на фото?
2
.Возможно ли по снимку определить расстояние до объекта?
Влияет ли расстояние до объекта на размытие?
Есть ли программы для расчета расстояния до объекта с помощью веб-камеры или смартфона/планшета?
https://bootsector.livejournal.com/43436.html
Ну и так далее.

"как это реализовать." - ну, прочитав ссылки выше, там-же будут и ответы.

Какие есть самообучающиеся алгоритмы отличные от "персептрона".
Ну например:
https://habr.com/ru/post/277145/
Только баловство это все. Из любви к искусству можно и посмотреть. Реального применить - вряд-ли удастся.

Ни и вообще, ваш вопрос начинался со слов: "Есть идея.". Ни у где-же идея?

Comments

[mIka01]

Про Самообучающиеся я имел ввиду типа такого: метод k-ближайших соседей, бейсиковая модель, метод наименьших квадратов, дерево принятий решений, svm, svm kernel, ансамбли деревьев, нейронная сеть, сверточныеии рекурсивные нейросети, стек из deepleamig моделей.
Вот больше этого я не знаю.

[mIka01]

Про вопрос с нейросетью. Когда то реализовывал с помощью сверточной нейросети поиск оленя в лесу с высоты птичьего полёта. Ничего не получилась, вот и спрашивал.

[dmshar]

mIka01, Ну, вы перечислили почти все классификационные алгоритмы. Вернее - некоторые обозначили как целый классы (ансамбли деревьев, нейронная сеть), других - конкретных представителей конкретного класса (k-ближайших соседей). Метод наименьших квадратов - это вообще не метод классификации/распознавания, а проста математический путь решения задачи минимизации, которая возникает "по дороге" (ну, например - при построении регрессионных моделей). И что?
Ну и как то, что не получилось с "оленем" (может просто плохо искали, или олень хитрый попался :-) ) связано с вашей "идеей"? Впрочем, если это ваше Know-How и мой ответ вас удовлетворил, то на дальнейшем раскрытии идеи я не настаиваю.

[mIka01]

Метод наименьших квадратов можно преобразовать до интрополиционого многочлен (Ньютона, Лагранжа) используя прогнозируемую ошибку интрополяции можно давать оценку вычислениям приближения. Раньше спасало когда надо было решить задачу на самообучения.
Этим можно и классифицировать, и прогнозировать, и распознавать при достаточной сноровки и дерева решений.
В качестве примера. Удавалось распознавать лица, как просто их находить так и в принципе классифицировать конкретных людей, данные подавались от треугольников после триангуляции между особых точек на выборном отрезки фото "ядре".
Так что рабочий метод.

[dmshar]

Да, вы правы. Любой метод классификации в принципе можно использовать и для прогнозирования, и для распознавания (диагностирования) и для выявления аномалий. Тут вопросов, разумеется, нет.
И в том, что лица можно распознавать - тоже сомнений никаких ,ибо примеров тому мы уже имеем массу.