如何自动确定机器学习的功能？

Question

我必须确定图像中象海豹的数量。原始图片太大而无法上传，因此有一个示例： Elephant seals

由于动物和沙子的颜色略有相同，因此不能使用经典的图像处理技术。我们会分割阴影或纹理而不是密封。这就是我想测试机器学习的原因。

目标是手动确定代表海豹的一些ROI和沙子的其他ROI，以便识别图像中的其他动物。问题是我不知道哪个特征可以用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（特别是平均值和标准偏差）似乎很有趣，但还不够。我想过使用图像渐变但它并没有导致良好的歧视。此外，我认为必须使用几个功能的组合，但很难分辨哪些功能。

这就是为什么我想知道是否有办法确定自动判别功能，以便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tutos中，描述符已经定义。

你有任何线索吗？

Answer 1

  

我必须确定图像中象海豹的数量。 ..任何线索？

那么，
＆＃34; 经典＆＃34; 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，必须提供合理的稳健性。

作为一个例子，CNN方法部署（通常是深层）使用专用内核进行预处理的架构，首先有助于将2D场景分解为前游标，接下来可以帮助实际的基于ML的学习者（完全连接＆＃34;管道的尾部＆＃34;部分开始学习对象识别。

如果没有这些（深或浅）卷积层，并且许多应用了代码转换和池化技巧，那么使用非线性转换的共同本地新的，内核生成的＆＃34; visual＆＃34; -features重新光栅化场景，为实际的ML学习者的（更深层）预处理这些 auto -synthetised- 功能。 许多论文发表在此，所以你真的很高兴有公共资源来合作。