探索flutter框架开发的app在移动应用市场的潜力与挑战
991
2022-11-17
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
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。
发表评论
暂时没有评论,来抢沙发吧~