Desde el punto de vista terminológico, SURF, SIFT y tales métodos son descriptores. No son características. Por lo tanto, puede alimentarlos a un algoritmo de aprendizaje profundo, así como a la imagen en bruto.
Además, mi alternativa simple pero útil al aprendizaje profundo es utilizar el enfoque de bolsa de palabras. Simplemente cuantifica un conjunto de valores y mira su distribución de una manera particular. Estoy seguro de que si googleas, hay muchos elementos.
También está el trabajo de Adam Coates que propone un preprocesamiento particular + un enfoque de agrupación K-significa simple. También funciona muy bien, incluso mejor que las redes profundas para problemas particulares.
- ¿El aprendizaje automático es solo una forma de predecir con precisión resultados particulares y / o tomar acciones óptimas basadas en algún conjunto de datos?
- ¿Cuáles son algunos buenos indicadores para ideas de proyectos en biología computacional?
- ¿Puedo hacer IA y aprendizaje automático sin matemáticas?
- ¿Qué le parece más interesante: el análisis de series temporales o el aprendizaje automático? ¿Por qué?
- Cómo dibujar un múltiple de un autoencoder variacional en Keras
También tenemos herramientas de codificación dispersas basadas en algoritmos de optimización simples como Compress Sensing. Esto es muy similar a los codificadores automáticos, pero no nombro codificadores en la jerga de las redes profundas.