Comenzaría tratando de preprocesar los datos (entrenamiento y en el momento de la prueba), con una transformación invariante de iluminación adecuada (quizás algún otro espacio de color en lugar de RGB).
Para generar datos de entrenamiento sintéticos, puede probar de una gran cantidad de técnicas de procesamiento de imágenes, por ejemplo, obtener un puñado de imágenes que cubran la variación en la iluminación que le interesa y usar algoritmos de coincidencia de histograma en las imágenes de entrenamiento que ya posee. Las ideas más sofisticadas podrían ser usar etiquetas de segmentación * para aclarar / oscurecer cierta parte de la imagen, por ejemplo, simplemente agregue un valor aleatorio uniformemente a los canales R, G, B de los píxeles de la carretera para simular una determinada posición del sol.
* Alternativamente, intente usar algoritmos de segmentación estándar y vea qué tan lejos lo llevan.
- ¿Cuál es el estándar de JMLR contra documentos en ICML y NIPS?
- ¿Podría alguien elaborar la relación entre un lenguaje de máquina, un sistema operativo y un procesador en particular?
- ¿Cuál sería su guía para un hombre de 46 años que conoce la programación primaria y está interesado en obtener un conocimiento práctico del aprendizaje automático?
- ¿Qué tan cerca estamos de poder crear máquinas autorreplicantes que puedan replicarse utilizando minerales que se encuentran en el espacio exterior?
- ¿Debo aprender Python o R para el aprendizaje automático si estoy cursando mi licenciatura en matemáticas e ingeniería informática? ¿Qué idioma se usa más en las industrias?
