Objekte auf Bild erkennen
-
Jester schrieb:
Ja, das ist meiner Meinung nach ein sehr gutes Buch.
Ok, ich bestelle es mir mal.
Jester schrieb:
Ich kenne nur das letztere, aber was hat dieses Buch denn mit dem Thema zu tun? Kombinatorische Optimierung und Objekterkennung sind nun nicht gerade zwei eng verwandte Bereiche.
Ja, aber logisch! Erfolgreiche Mustererkennung setzt sich aus einer Komposition von unterschiedlichen Methoden und Prozessen zusammen. Die Taxonomie und Skalierung der unterschiedlichen Techniken wird durch Themen wie Kombinationsoptimierung und Constraint Prozessing abgedeckt.
-
Prof84 schrieb:
Jester schrieb:
Ja, das ist meiner Meinung nach ein sehr gutes Buch.
Ok, ich bestelle es mir mal.
Ob es für Dich das Richtige ist, ist eine andere Frage. Das ist praktisch ein Grundlagenbuch zur Mustererkennung. Aber Du wirst in dem Zusammenhang vermutlich eh schon jede Menge Wissen haben.
-
Prof84 schrieb:
Ja, aber logisch! Erfolgreiche Mustererkennung setzt sich aus einer Komposition von unterschiedlichen Methoden und Prozessen zusammen.
Meiner Erfahrung nach ist es weniger der Optimierungsalgorithmus als die Zielfunktion selbst (und natuerlich die Trainingsdaten), die gute Mustererkennung macht. Es ist sicher nicht verkehrt etwas ueber effiziente Algorithmik und Optimierung/Relaxation zu wissen, aber man sollte seine Zeit lieber in Statistik und anderes maschinelles Lernen stecken, und die Optimierung den Optimierungsfachleuten ueberlassen. Nicht umsonst gibts eine grossen Menge an Softwarepaketen, die eine constraintbehaftete Zielfunktion optimieren koennen.
-
Korbinian schrieb:
Meiner Erfahrung nach ist es weniger der Optimierungsalgorithmus als die Zielfunktion selbst (und natuerlich die Trainingsdaten), die gute Mustererkennung macht. Es ist sicher nicht verkehrt etwas ueber effiziente Algorithmik und Optimierung/Relaxation zu wissen, aber man sollte seine Zeit lieber in Statistik und anderes maschinelles Lernen stecken, und die Optimierung den Optimierungsfachleuten ueberlassen. Nicht umsonst gibts eine grossen Menge an Softwarepaketen, die eine constraintbehaftete Zielfunktion optimieren koennen.
Ich bin anderer Meinung und habe auch andere Erfahrung gemacht.
Ich bin der Überzeugung das aufgrund der extremen Komplexität, wie zum Bleistift beim "Natural Language Processing" ein scharfes Scoping auf einzelne Prozesse und Methoden - Du nennst es Zielfunktionen - nicht zum Erfolg führen, noch geführt haben.
Derzeit existierende Lösungen sind doch zu stark in der Anwendbarkeit eingeschränkt.
-
Prof84 schrieb:
Ich bin der Überzeugung das aufgrund der extremen Komplexität, wie zum Bleistift beim "Natural Language Prozessing" ein scharfes Scoping auf einzelne Prozesse und Methoden - Du nennst es Zielfunktionen - nicht zum Erfolg führen, noch geführt haben.
Schoen dass du NLP ansprichst. Gerade in diesem Gebiet wurde /viel mehr/ durch modellierung erreicht denn durch optimierung. Ich moechte damit nur sagen, dass wenn man sich in das Gebiet Mustererkennung einarbeiten will, es viel sinnvoller ist, seine Zeit in Modellierung und Statistik zu stecken als in die kryptische Mathematik der (numerischen oder kombinatorischen) Optimierung. Die besten Optimierungen helfen nichts, wenn das Modell nix taugt. Wenn du natuerlich Zeit fuer beides hast, und neben dem Modell auch noch die numierische optimierung aus dem aermel schuettelst, na dann viel Erfolg. Ist aber kein Zufall, dass es wenig Experten fuer beide Enden gibt, da einfach beide Seiten zu komplex sind...
-
Korbinian schrieb:
Schoen dass du NLP ansprichst. Gerade in diesem Gebiet wurde /viel mehr/ durch modellierung erreicht denn durch optimierung. Ich moechte damit nur sagen, dass wenn man sich in das Gebiet Mustererkennung einarbeiten will, es viel sinnvoller ist, seine Zeit in Modellierung und Statistik zu stecken als in die kryptische Mathematik der (numerischen oder kombinatorischen) Optimierung. Die besten Optimierungen helfen nichts, wenn das Modell nix taugt.
Ja, bin ich mit Dir d' accord!
Korbinian schrieb:
Wenn du natuerlich Zeit fuer Beides hast, und neben dem Modell auch noch die nummrische optimierung aus dem aermel schuettelst, na dann viel Erfolg. Ist aber kein Zufall, dass es wenig Experten fuer beide Enden gibt, da einfach beide Seiten zu komplex sind...
Es sind sogar bei mir vier Enden in der MDD (ich bevorzuge den Begriff Konzeptionierung):
- Application Models
- Domain Models
- Refactoring Models
- Scientific & Empirical Laws (Mathematische und algorithmische Beschreibung, die in der Kompexibilitätstheorie eindeutig erfassbar sind - sind aber auch Modelle)
Ich habe bis heute ungefähr ein Duzend Wissenschaftler gefunden, die sich in diesen Tetraeder bewegen. Wir arbeiten hierbei in der automatischen Konzeption mit gerichteten und zufälligen Entwicklungen. Dabei spielen Musterklassifikationen und -erkennung eine Schlüsselrolle.
Unter den Punkten 3 und 4 verstehst Du wahrscheinlich die Optimierung und unter Punkt 1 und 2 wohl das was Du mit Modellierung meinst.
-
klingt für mich eher so, als wäre genau dieser ganzheitliche aspekt thema der forschung
wenn man zielgerichtet genau ein problem lösen möchte - gerade in der wissenschaft - dann ist es nicht nur opportun, sondern unglaublich hilfreich, wenn man soviele teilprobleme wie möglich durch standardverfahren löst. das spart nicht nur zeit, sondern hält auch den kopf für das eigentliche problem frei.
-
Ja da ist was dran (@Prof und @unreg)
-
opt schrieb:
klingt für mich eher so, als wäre genau dieser ganzheitliche aspekt thema der forschung
wenn man zielgerichtet genau ein problem lösen möchte - gerade in der wissenschaft - dann ist es nicht nur opportun, sondern unglaublich hilfreich, wenn man soviele teilprobleme wie möglich durch standardverfahren löst. das spart nicht nur zeit, sondern hält auch den kopf für das eigentliche problem frei.Auf der German e-Science Conference in Baden-Baden ( http://www.ges2007.de/ ) sprach man vom sogenannten "Computional Thinking". Das man im komplexen System Engineering Teilfrakmente nummerisch lösen lässt, die von Menschen intuitiv weiter verarbeitet werden und umgekehrt.
-
ups!