¡Bueno, depende de lo que intentes detectar en las imágenes diciendo líquido! Consideremos los siguientes escenarios:
(1) Líquido versus sólido: en caso de que desee discriminar entre estado líquido y sólido, ¡esto debería ser factible!
(2) Modos de un líquido: en caso de que esté tratando de discriminar entre algo como agua tranquila, agua corriente, captura fotográfica suave de una cascada, ¡esto no será robusto con el aprendizaje profundo de última generación! ¡Incluso si obtiene algunos resultados razonables, será principalmente debido a la información contextual que idealmente sería una característica errónea de aprendizaje para la causa!
- ¿Cuáles son los diversos campos en los que se superponen la física y la informática?
- ¿Cuáles son las áreas clave de investigación en la práctica de farmacia actualmente?
- ¿Qué significa en informática?
- ¿Quiénes son algunas mujeres informáticas que han hecho avances sustanciales?
- ¿Cuál es la importancia de la investigación algorítmica de la teoría de juegos?
(3) Tipos de líquido: en caso de que intente discriminar entre diferentes tipos de líquidos, puede ser fácil o difícil en función de las propiedades de los líquidos. Por ejemplo, si los líquidos tienen colores diferentes, será muy fácil discriminar. Sin embargo, si los líquidos difieren solo en su textura, ¡puede ser muy ambiguo discriminar entre ellos a través de las señales visuales!
¡Normalmente la gente siente que con datos de entrenamiento lo suficientemente buenos, el aprendizaje profundo puede resolver todo, lo cual es una noción muy equivocada y engañosa!
