李宏毅机器学习——结构化学习(一)

李宏毅机器学习——结构化学习(一)

引言

本文主要介绍了什么是结构化学习(Structured Learning)，并简要介绍了下原理。最后对一些应用场景进行了一些说明。

结构化学习

到目前为止，我们考虑的问题它的输入和输出都只是向量。

实际上我们面对的问题可能比这更复杂，可能输入或输出是序列(sequence)，列表(list)、树(tree)或边框(bounding box)。

它其实有很多应用。

语音识别

翻译

中文分词

目标检测

摘要生成

检索

那如何做结构化学习呢，虽然它听起来困难，实际上有个统一的框架。

Unified Framework

目标检测

假设我们要做的是目标检测，给定一张图像，需要从图像中框出某个物体(目标)。

比如要做凉宫春日人物(戴黄色丝带的那个)检测。这只是举个例子，看来李宏毅老师很喜欢二次元啊。实际上可以用同样的技术来检测人脸。

来识别车辆并测距离。

回到识别凉宫春日的图。

你可能期待你的模型能做到框的很正确。下面是一些正确和错误的示例：

接下来测试的时候，给定一张从来没看过的图像，穷举所有的边框。然后看哪个边框得到的分数最高。

可能红色的得到10分，黄色的分数最低。那么红色就是你模型的输出。

摘要生成

在摘要生成中，给定一篇很长的文章(文档)，输出一个摘要。

在测试的时候就穷举所有可能的摘要，看哪个最匹配。

检索

在检索的时候，输入是一个关键字，输出是搜索结果的列表。

训练的时候，我们要知道输入某个关键字(query)的时候，输出哪个列表是最匹配的。

测试的时候，穷举所有可能的列表，看哪个列表得分最高。

虽然这个框架看起来很强大，但是这里有三个问题需要解决。

三个问题

如何解​​arg max​​问题

要做目标检测要穷举所有可能的边界。

只要解决这三个问题，就能解结构化学习的问题。

与DNN的关系

结构化学习和深度神经网络是有关系的，怎么说。

接下来在测试的时候，需要穷举10个所有可能的结果。

参考

​​李宏毅机器学习​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。