内容简介：因此，Lewis Barnett建立了一个收集数据的工具：一种运动激活相机和喂鸟器的组合。Lewis Barnett在弗吉尼亚州郊区的院子里设立了监测站，通过喂食收集鸟类面部数据。当Lewis Barnett开始和Lewis Barnett的学生一起研究这个项目时，图像分类研究集中在一种技术上，它可以观察图像的特征，比如边缘、角落和相似颜色的区域。这些通常是可以组装成某些可识别对象的片段。这些方法使用数百个类别和数万个培训示例的基准数据集，准确率约为70%。最近Lewis Barnett研究转向了使用人工神
路易斯大学计算机科学副教授Lewis Barnett在鸟类研究当中使用面部识别技术。目前，研究人员已经使用机器学习技术以高精度识别数字图像中的个人面部。这些项目让Lewis Barnett想到了将自己观鸟爱好与日常工作结合起来，是否有可能应用这些技术来识别鸟类？
因此，Lewis Barnett建立了一个收集数据的工具：一种运动激活相机和喂鸟器的组合。Lewis Barnett在弗吉尼亚州郊区的院子里设立了监测站，通过喂食收集鸟类面部数据。当Lewis Barnett开始和Lewis Barnett的学生一起研究这个项目时，图像分类研究集中在一种技术上，它可以观察图像的特征，比如边缘、角落和相似颜色的区域。这些通常是可以组装成某些可识别对象的片段。这些方法使用数百个类别和数万个培训示例的基准数据集，准确率约为70%。
最近Lewis Barnett研究转向了使用人工神经网络，它识别出了鸟类的特征，这些特征被证明对精确分类最有用。卷积神经网络是Lewis Barnett们目前在鸟类研究中使用的一种神经网络，它是以visual cortex为模型进行修改，这使得它们特别适合于图像分类问题。
虽然Lewis Barnett和Lewis Barnett的学生没有像大多数其他研究人员和公司一样收集大量图像，但Lewis Barnett们的优势在于可以提高分类的准确性。Lewis Barnett所有的图像都是从相同的角度拍摄的，具有相同的比例，并且属于有限的类别。总而言之，只有大约15种鸟类曾到过Lewis Barnett的喂养器。其中，10种鸟类经常访问，足以为培训分类器提供有用的基础。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
PYTHON3:数据分析与机器学习实战
龙马高新教育 / 北京大学出版社 / 2018-9-1 / 69.00
机器学习(Machine Learning, ML)是一门多领域交叉学科，是人工智能的核心，其应用遍及人工智能的各个领域，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。在机器学习过程中，需要使用大量数据，而数据分析是指用适当的方法对收集的大量数据进行分析，提取有用信息并形成结论，进而对数据加以详细研究和概括总结的过程。本书结合机器学......一起来看看 《PYTHON3:数据分析与机器学习实战》 这本书的介绍吧!
