Комментарии 7
При анализе цвета вы никак не учитываете насыщенность цвета. В итоге у вас серый цвет распознаётся так же, как чисто зелёный. А если бы картина была сфотографирована при немножко другом освещении, этот же серый распознался бы как чисто красный или чисто синий.
Кажется, имеет смысл либо не учитывать пиксели, у которых насыщенность ниже определённого порога, либо учитывать их взвешенно относительно насыщенности.
Кажется, имеет смысл либо не учитывать пиксели, у которых насыщенность ниже определённого порога, либо учитывать их взвешенно относительно насыщенности.
Посоветую еще сравнить с классическими подходами image hashing
Был обзор на митапе в Минске пару лет назад: https://www.youtube.com/watch?v=80QO8TjuDBE
Собрали отличный датасет, многим было бы интересно использовать. Eсли лицензия позволяет стоит загрузить например на www.kaggle.com/datasets
А почему решили использовать именно классические подходы? Сюда CNN так и просится, потом ембединги очень интересно анализировать.
А почему решили использовать именно классические подходы? Сюда CNN так и просится, потом ембединги очень интересно анализировать.
Я не уверен насчет лицензии. Напишу письмо администратору галереи, уточню.
А с выбором методов все просто — я пока не силен в NN, работал только с классикой и только на табличках. Мне стало интересно, взлетит ли это все на изображениях, вот я и попробовал.
Как подтяну свои знания NN продолжу эксперименты.
А с выбором методов все просто — я пока не силен в NN, работал только с классикой и только на табличках. Мне стало интересно, взлетит ли это все на изображениях, вот я и попробовал.
Как подтяну свои знания NN продолжу эксперименты.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Анализируем шедевры живописи с помощью классического ML