深度学习估计边缘之外的东西

数据挖掘 深度学习 参考请求
2022-02-19 06:54:49

我有一张大约 4,000 x 8,000 像素的数据图像。我很想知道是否有人使用深度学习算法来预测如果图像在每个方向上再扩展 100 个像素会出现什么情况。我想数据可以在较小的矩形上进行训练，然后开发的规则将用于超出给定图像的范围。有没有人见过这样的问题（并且有参考）？即使不是，什么深度学习方案最适合这个？

2个回答

我认为深度学习解决的最接近的问题是图像修复，即填充图像中的黑色区域：

图片

例如，这篇论文：Semantic Image Inpainting with Perceptual and Contextual Losses。

因此，当然可以通过深度学习来填补图像中缺失的信息。

关于预测一组视频序列中的下一个图像的论文有很多。所以我会先熟悉这些。

话虽如此，使用 ML 做这类事情绝对是可能的。在卷积神经网络的循环层上已经做了很多工作。这些在高层次上似乎是调查您的初始架构的好人选。

以下是有关 RCNN 的一些信息：

keras 中的示例 RCNN：链接

关于 RCNN 的论文：链接 链接

其它你可能感兴趣的问题
上一篇处理数据不平衡和分类号 下一篇聚类后​​聚类的解释或描述