Analiza e Komponentit Kryesor: 4 Hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:20

Analiza e Komponentit Kryesor është një metodë statistikore që shndërron një grup variablash të ndërlidhur ndoshta në një grup vlerash lineare të pakorreluara duke përdorur transformime ortogonale. Me fjalë të thjeshta të dhëna një grup të dhënash me dimensione të shumta, ndihmon në zvogëlimin e numrit të dimensioneve, duke i bërë të dhënat më të lehta për t'u lexuar.

Hapi 1: Planet origjinale

Unë erdha në këtë klasë me idenë se doja të kuptoja dhe shpresoj të shkruaj një algoritëm që do të jetë në gjendje të kryejë njohjen e fytyrës kur furnizohet me imazhe. Unë nuk kisha përvojë ose njohuri paraprake për ndonjë gjë që kishte të bënte me njohjen e fytyrës dhe nuk kisha asnjë ide se sa e vështirë është të arrihet diçka e tillë. Pasi bisedova me profesorin Malloch kuptova se duhet të mësoj shumë gjëra para se të jem në gjendje të kuptoj plotësisht detyrën që përfundimisht planifikova të arrija.

Pas pak kërkimesh, më në fund vendosa që më shumë se çdo gjë më duhej për të mësuar algjebër lineare dhe disa baza të mësimit të makinerisë dhe u vendosa në PCA (analiza e komponentit kryesor) që të ishte qëllimi im për këtë klasë.

Hapi 2: Hulumtim

Hapi i parë ishte të vizitoja Bibliotekën dhe të gjeja ndonjë libër që më prezantoi me mësimin e makinerisë dhe më konkretisht përpunimin e imazhit. Kjo doli të ishte shumë më e vështirë nga sa mendoja dhe përfundova me asgjë shumë prej saj. Atëherë vendosa të pyes një mik që punonte në Vision Lab, i cili më kërkoi të shikoja algjebrën lineare dhe më konkretisht vektorët e veçantë dhe vlerat vetjake. Unë kisha një përvojë me algjebrën lineare nga një klasë që kisha marrë në vitin e dytë, por nuk e kuptoja se si vektorët e veçantë ose vlerat vetjake mund të jenë të dobishme kur merren me imazhe. Ndërsa kërkoja më shumë kuptova se imazhet nuk ishin gjë tjetër veçse grupe të mëdha të të dhënave dhe kështu mund të trajtoheshin si matrica dhe u bë pak më e qartë për mua se pse vektorët e veçantë ishin të rëndësishëm për atë që po bëja. Në këtë pikë, vendosa që duhet të mësoja se si të lexoja imazhe duke përdorur python pasi do të përdorja python për projektin tim. Fillimisht, fillova duke përdorur CV2.imread për të lexuar imazhet, por kjo doli të ishte vërtet e ngadaltë dhe kështu vendosa të përdor glob dhe PIL.image.open për ta bërë këtë pasi kjo është shumë më e shpejtë. Ky proces në letër duket relativisht jo shumë kohë, por në fakt më mori një kohë të mirë pasi më duhej të mësoja se si të instaloja dhe importoja biblioteka të ndryshme në PyCharm (IDE) dhe pastaj të lexoja dokumentacionin në internet për secilën bibliotekë. Në procesin e bërjes së kësaj, unë gjithashtu mësova se si të përdor deklaratat e instalimit të pip në komandën e shpejtë.

Pas kësaj, hapi tjetër ishte të kuptoja se çfarë saktësisht doja të bëja dhe të mësoja në përpunimin e imazhit dhe fillimisht, po planifikoja të bëja përputhjen e shablloneve, por ndërsa kërkoja për të, mësova për PCA dhe zbulova se ishte më interesante, kështu që vendosa të shkoni me PCA në vend. Termi i parë që vazhdoi të shfaqet ishte algoritmi K-NN (K- fqinji më i afërt). Ky ishte ekspozimi im i parë ndonjëherë ndaj një algoritmi të mësimit të makinerisë. Mësova për të dhënat e trajnimit dhe testimit dhe çfarë do të thotë 'trajnimi' i një algoritmi. Kuptimi i algoritmit K-NN ishte gjithashtu sfidues, por ishte shumë i kënaqshëm për të kuptuar përfundimisht se si funksionon. Aktualisht jam duke punuar për të punuar kodin për K-NN dhe jam shumë pranë përfundimit.

Hapi 3: Vështirësitë me të cilat përballeni dhe mësimet e nxjerra

Vështirësia e parë e madhe ishte qëllimi i vetë projektit. Kjo ishte më shumë e orientuar drejt kërkimit sesa fizike. Ndërsa javët kalonin disa herë unë shikoja përparimin që po bënin bashkëmoshatarët e mi dhe ndjeja se nuk po bëja sa duhet ose se nuk po përparoja aq shpejt dhe kjo nganjëherë ishte shumë demotivuese. Biseda me profesorin Malloch dhe thjesht sigurimi i vetes se me të vërtetë po mësoja gjëra që ishin shumë të reja për mua më ndihmuan të vazhdoja. Një problem tjetër ishte se njohja e gjërave teorike dhe zbatimi i tyre janë dy gjëra të ndryshme. Edhe pse e dija se çfarë duhej, në të vërtetë kodimi i tij në python ishte një histori tjetër. Kjo është ajo ku vetëm leximi i dokumenteve në internet dhe pyetja e miqve që dinin për të më ndihmoi shumë për të kuptuar përfundimisht një plan veprimi.

Unë personalisht mendoj se të kesh një bibliotekë më të madhe të librave dhe dokumenteve në M5 mund të ndihmojë njerëzit që janë duke punuar në projekte. Gjithashtu të kesh një regjistrim dixhital në kohë reale të projekteve që po bëhen nga studentët në mënyrë që studentët dhe stafi tjetër ta shikojnë atë dhe të përfshihen nëse i intereson ata është një ide e mirë për M5.

Me përfundimin e projektit kam mësuar kaq shumë në një hapësirë kaq të shkurtër kohe. Kam fituar një njohuri shumë të mirë të mësimit të makinerisë dhe ndjehem sikur kam marrë hapat e parë për t'u përfshirë më shumë në të. Kam kuptuar se më pëlqen vizioni kompjuterik dhe se mund të dëshiroj ta ndjek këtë edhe në të ardhmen. Më e rëndësishmja, kam mësuar se çfarë është PCA, pse është kaq e rëndësishme dhe si ta përdor atë.

Hapi 4: Hapat e ardhshëm

Për mua, kjo ishte vetëm gërvishtja e sipërfaqes së diçkaje shumë më të madhe dhe diçkaje shumë të rëndësishme në botën e sotme, domethënë të mësuarit të makinerisë. Unë planifikoj të marr kurse në lidhje me mësimin e makinerisë në të ardhmen e afërt. Unë gjithashtu planifikoj të ndërtoj rrugën time deri në njohjen e fytyrës pasi aty filloi i gjithë ky projekt. Unë gjithashtu kam ide për një sistem sigurie i cili përdor një kombinim të veçorive (njëra prej tyre është fytyra e personit) për ta bërë atë me të vërtetë të sigurt dhe kjo është diçka që unë dua të punoj në të ardhmen kur kam një kuptim më të gjerë të gjërave Me

Për këdo si unë i cili është i interesuar në mësimin e makinerisë dhe përpunimin e imazhit por nuk ka përvojë paraprake, unë do të sugjeroja shumë që së pari të mësoni dhe kuptoni algjebrën lineare së bashku me statistikat (veçanërisht shpërndarjet). Së dyti, unë do të sugjeroja leximin e Njohjes së Modelit dhe Mësimit të Makinerisë nga Christopher M. Bishop. Ky libër më ndihmoi të kuptoja bazat e asaj që po hyja dhe është i strukturuar shumë mirë.