ML在色彩处理上是有很大局限性的ML是基于数理统计的向量化而已,在一定程度上提高了准确率,但是也有其极限,这个是算法本身特性决定的,数据量再大也无法突破,只能是无限接近,特定算法只能用于特定场景,人脸识别,棋谱都需要不同的对应算法,这些算法都需要人为的去优化,以达到最优效果。
颜色比较特殊,计算机处理的是数字化数据,非线性连续的,这就给ML带来挑战,需要基础图像识别理论的突破来解决。
ML用于图像处理,物件识别和跟踪是最有前途的
优化神马的如下棋最适合。
现在人脸识别一般以LFW作为指标,没什么实际意义。
国内最先进的识别身份证照片如果是几十万张的测试准确率也就在80%以下。 当然实际场景中,一般遇到相像的人比较少。
目前主要问题是对图片亮度比较敏感。有时候NN还得和传统的如HOG/SVM结合起来才准确。
现在人脸识别一般以LFW作为指标,没什么实际意义。
国内最先进的识别身份证照片如果是几十万张的测试准确率也就在80%以下。 当然实际场景中,一般遇到相像的人比较少。
目前主要问题是对图片亮度比较敏感。有时候NN还得和传统的如HOG/SVM结合起来才准确。