다양한 질감을 가진 환경 객체와 상호 작용하는 로봇의 시계열 강제 데이터가 있습니다. 시계열 데이터를 사용하여 다양한 질감의 모델을 개발하여 질감을 부드럽고 거친, 보통 등의 범주로 분류하고 싶습니다. 이를 위해, 숨겨진 마르코프 모델은 충분합니까? 조건부 랜덤 필드를 사용해야합니까? 더 많은 범주로 분류하기로 결정하고 각 범주 사이의 구별이 매우 미묘한 경우이 경우 어떤 것이 좋은 선택입니까? 텍스처를 이러한 범주로 분류하는 데 필요한 모든 정보를 캡처하기에 강제 데이터가 충분합니까?
답장을 보내 주셔서 감사합니다 :)
답변:
문제 설명에 따라 HMM (생성 모델)과 CRF (차별 모델)가 모두 작동합니다. 두 가지 접근 방식에 대한 자세한 설명은이 토론을 참조하십시오.
제안 : 알고리즘을 선택하기 전에 MATLAB 플롯 등으로 수치 데이터를주의 깊게 살펴 보는 것으로 시작하십시오. 정보가 다차원적인 경우 (예 : 여러 센서의 힘 값) 일부 차원 (예 : 센서 판독 값)에 유용한 식별 정보가 포함되어 있지 않을 수 있습니다. 이 경우 Principal Component Analysis (주성분 분석)를 사용하여 데이터를 압축하면 교육 및 분류 중에보다 컴팩트 한 기능을 사용할 수 있습니다.
이제 귀하의 질문과 관련하여 :
차이점은 HMM이 몇 가지 숨겨진 변수 / 상태로 각 텍스처 클래스를 나타낼 수 있으므로 각 접점의 내부 시간적 진화를 캡처한다는 것입니다. HMM은 데이터의 "저급"(클래스 내) 역학을 더 잘 모델링한다고 말할 수 있습니다. 예를 들어, 귀하의 경우 HMM을 사용하면 각 데이터 수집의 3 가지 단계를 명시 적으로 모델링 할 수 있습니다. (1) 로봇과 물체 간의 접촉 시작; (2) 접점의 안정적인 부분; (3) 접촉 종료 및 해제. 이러한 단계는 동일한 오브젝트 텍스처에 대해서도 시간에 따라 다른 값을 가질 수 있으며 분류 결과를 개선하기 위해이를 분리하는 것이 합리적 일 수 있습니다.
반면에 CRF는 데이터-분포의 "상위"(클래스 간) 관계를 캡처하는 데 더 적합합니다. 이는 시공간적 변동성이 높거나 관측 기능이 매우 유사한 경우에 중요합니다. 다른 클래스에 속하는 두 개의 샘플.
개인적으로 HMM을 사용하기가 더 쉽다는 것을 알게되었지만 시작해야 할 거리는 다를 수 있습니다.
더 많은 범주로 분류하기로 결정하고 각 범주 사이의 구별이 매우 미묘한 경우이 경우 어떤 것이 좋은 선택입니까?
이 경우 CRF가보다 강력한 선택이 될 수 있습니다 (위 참조).
텍스처를 이러한 범주로 분류하는 데 필요한 모든 정보를 캡처하기에 강제 데이터가 충분합니까?
특히 고해상도 카메라로 캡처 한 경우 시각적 기능 (객체 모양)을 추가하면 물체의 질감이 거친 지 여부를 확인할 수 있습니다.