Tez çalışmamın sınıflandırıcısı olarak rasgele orman algoritmasını kullanıyorum. Eğitim seti binlerce görüntüden oluşur ve her görüntü için yaklaşık 2000 piksel örneklenir. Her piksel için yüz binlerce özelliği var. ile şu andaki donanım sınırlamalarım (8G ram, muhtemelen 16G'ye uzatılabilir), ürününün yalnızca bir görüntü için örneklere (yani, piksel başına özellikler) sığabiliyorum. Benim soruları: farklı bir görüntü örnekleri ile her zaman ve her bir seferde otomatik olarak istatistik modelini otomatik olarak almak, birden çok kez tren yöntemini aramak mümkün mü? Ben özellikle tüm özellikler seti ile tam eğitim seti tren sonra değişken önemi ile ilgileniyorum, benim fikrim en önemli olanları sadece en önemli olanları tutmak için yüz binlerce . OpenCV İteratif rasgele orman eğitimi
, herhangi bir tavsiye için teşekkür ederiz Daniele
6
A
cevap
2
ben algoritma artan eğitim destekler sanmıyorum. Diğer özellik azaltma yöntemini kullanarak, eğitimden önce tanımlayıcılarınızın boyutunu azaltmayı düşünebilirsiniz. Veya tüm antrenman resimleriniz arasında alınan piksellerin rastgele bir altkümesi üzerindeki değişken önemi tahmin edin, bu da hafızaya girebilecek kadar ...
0
Cevabımı this post'a bakın. Rastgele ormanların artan sürümleri vardır ve çok daha büyük veriler üzerinde çalışmanıza izin verir.
Maalesef cevabınızı çok geç okudum. Ben sizinkiyle benzer bir özel uygulama ile sona ererim (bir nefes ilkinde ağaç büyüme). Ayrıca, büyüme düğüm başına yapılır ve OpenCL kullanılarak paralelleştirilir. Tüm kod burada http://code.google.com/p/parloma/source/browse/#svn%2Ftrunk%2Frandom_forest_gpu. Kod şimdi benim problemim için özeldir (el pozlama tanıma), genel sorunları ele almak için kütüphaneyi yeniden yazmanın zamanını bulmayı umuyoruz. – mUogoro
Daha genel amaçlı bir uygulama burada bulunabilir https://github.com/mUogoro/padenti – mUogoro