문제 설명에 따라 HMM (생성 모델)과 CRF (차별 모델)가 모두 작동합니다. 두 가지 접근 방식에 대한 자세한 설명은이 토론을 참조하십시오.
생식 알고리즘과 판별 알고리즘의 차이점은 무엇입니까?
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.