C*****l
发帖数: 1 | 1 如果不人工label的话，能不能自动把imagenet这些image里面的物品匿名分类？和人工
分类可以一一对应起来。 |
g****t
发帖数: 31659 | 2 就是無監督學習吧。算法也有不少。但是你要求的一一對應有可議之處。未必是合適的
算法评价
標準。 |
C*****l
发帖数: 1 | 3 至少要有一大部分重合的，比如不通过人工label，NN也可以区分出一个category，人
一看这个category是cat，dog，。。。等等。当然NN可能可以看出一些其他的，但是我
相信如果这个系统够好，应该能cover人工lable的大部分。
【在 g****t 的大作中提到】
: 就是無監督學習吧。算法也有不少。但是你要求的一一對應有可議之處。未必是合適的
: 算法评价
: 標準。
|
g****t
发帖数: 31659 | 4 你写写程序，找个小例子自己测一下，挑出来看看哪些是错的。然后就明白“一
一对应给定的
label”这个评判的办法里一些不对劲的地方了。没干过的，大概2小时也就可以
干完，
简而言之，给事物label也好。imagnet也好。有一定的思辨原则。如果没有思辨的基础
。从实践中也可以体会到。
无监督学习的benchmark,实际上是开放问题。没有成法。不是可以出题列榜的学习。
: 至少要有一大部分重合的，比如不通过人工label，NN也可以区分出一个
category，人
: 一看这个category是cat，dog，。。。等等。当然NN可能可以看出一些其
他的，
但是我
: 相信如果这个系统够好，应该能cover人工lable的大部分。
【在 C*****l 的大作中提到】
: 至少要有一大部分重合的，比如不通过人工label，NN也可以区分出一个category，人
: 一看这个category是cat，dog，。。。等等。当然NN可能可以看出一些其他的，但是我
: 相信如果这个系统够好，应该能cover人工lable的大部分。
|
C*****l
发帖数: 1 | 5 我已经放宽了，不需要一一对应，但是需要重合相当一部分，这是把人机结合起来的一
个方式。NN分析一堆数据，给出一些类别，每一个类别给10个照片，人核对一下，标上
名称。这个NN就可以自动标注大量的image。
【在 g****t 的大作中提到】
: 你写写程序，找个小例子自己测一下，挑出来看看哪些是错的。然后就明白“一
: 一对应给定的
: label”这个评判的办法里一些不对劲的地方了。没干过的，大概2小时也就可以
: 干完，
: 简而言之，给事物label也好。imagnet也好。有一定的思辨原则。如果没有思辨的基础
: 。从实践中也可以体会到。
: 无监督学习的benchmark,实际上是开放问题。没有成法。不是可以出题列榜的学习。
:
:
: 至少要有一大部分重合的，比如不通过人工label，NN也可以区分出一个
: category，人
|
g****t
发帖数: 31659 | 6 不是放宽与否的问题。
英文里的礼服。也许对应于中文是好几个词，不仅仅是长袍一种。实战中，哪种label
集合，或者命名办法，都有自己的
道理。
英文体系自己的命名在不同年代也有演变.
所以只给照片，不给label。分类出来和你预
先设定的一组label相差很远的办法，未必是不好的办法。有时候说不定还是更好的。
假如你写个程序测一下。立即就会发现这里的困难。
: 我已经放宽了，不需要一一对应，但是需要重合相当一部分，这是把人机
结合起
来的一
: 个方式。NN分析一堆数据，给出一些类别，每一个类别给10个照片，人核
对一下
，标上
: 名称。这个NN就可以自动标注大量的image。
【在 C*****l 的大作中提到】
: 我已经放宽了，不需要一一对应，但是需要重合相当一部分，这是把人机结合起来的一
: 个方式。NN分析一堆数据，给出一些类别，每一个类别给10个照片，人核对一下，标上
: 名称。这个NN就可以自动标注大量的image。
|
C*****l
发帖数: 1 | 7 http://openaccess.thecvf.com/content_ECCV_2018/papers/Mathilde_Caron_Deep_Clustering_for_ECCV_2018_paper.pdf
Deep Clustering for Unsupervised Learning of Visual Features
刚刚search了一下，FB这篇文章基本就是我这个思路，他们用一个random weight
Alexnet的feature做K mean clustering
label
【在 g****t 的大作中提到】
: 不是放宽与否的问题。
: 英文里的礼服。也许对应于中文是好几个词，不仅仅是长袍一种。实战中，哪种label
: 集合，或者命名办法，都有自己的
: 道理。
: 英文体系自己的命名在不同年代也有演变.
: 所以只给照片，不给label。分类出来和你预
: 先设定的一组label相差很远的办法，未必是不好的办法。有时候说不定还是更好的。
: 假如你写个程序测一下。立即就会发现这里的困难。
:
:
: 我已经放宽了，不需要一一对应，但是需要重合相当一部分，这是把人机
|
g****t
发帖数: 31659 | 8 这样做是个验证。在有的use case也是恰当的。
但是
用这种单一的评价标准来评判无监督学习的performance，不加註解和讨论。所以我讲
这个判断对错的办法，“有可议之处”
然後又cliam自己
是state of art的。我认为都是没入门。
你可以选择相信自己愿意相信的。但是你不写程序，查例子，永远也看不出什么是垃圾
论文。
: http://openaccess.thecvf.com/content_ECCV_2018/papers/Mathilde_Caron_Deep_Clustering_for_ECCV_2018_paper.pdf
: Deep Clustering for Unsupervised Learning of Visual Features
: 刚刚search了一下，FB这篇文章基本就是我这个思路，他们用一个random
weight
: Alexnet的feature做K mean clustering
: label
【在 C*****l 的大作中提到】
: http://openaccess.thecvf.com/content_ECCV_2018/papers/Mathilde_Caron_Deep_Clustering_for_ECCV_2018_paper.pdf
: Deep Clustering for Unsupervised Learning of Visual Features
: 刚刚search了一下，FB这篇文章基本就是我这个思路，他们用一个random weight
: Alexnet的feature做K mean clustering
:
: label
|
l*******m
发帖数: 1096 | 9 这波AI赚钱的有三类：有两类大家都知道，女大卖显卡和AI网红们，第三就是人工
labeling产业，现在每年有好几B了产值了。
：如果不人工label的话，能不能自动把imagenet这些image里面的物品匿名分类？和人
工分类可以一一对应起来。 |
