Я работаю над проектом для uni, который требует оценки без маркера без оценки. Для этого я беру два изображения и сопоставляю n функций в определенных местах изображения. Из этих точек я могу найти векторы между этими точками, которые при включении с расстоянием могут быть использованы для оценки нового постулата камеры.Приблизительность искусственной нейронной сети в оценке позы
Проект должен быть deplyoable на мобильных устройствах, поэтому алгоритм должен быть эффективным. Мысль, которую я должен был сделать более эффективной, заключалась бы в том, чтобы взять эти векторы и поместить их в нейронную сеть, которая могла бы переносить векторы и выводить оценку вектора движения xyz на основе ввода.
Вопрос у меня есть, если NN может быть подходящим для этой ситуации, если достаточно обучен? и если да, то как бы я вычислил количество скрытых единиц, которые мне нужны, и какова будет лучшая функция активации?
Благодаря это очень хорошо письменный ответ. Причина, по которой я думал, что NN будет полезной, была связана с тем, что она должна быть способна хорошо обобщаться в случае возможных выбросов в данных. Также просто интересно, сколько вы считаете _lots_ с точки зрения наборов для обучения/валидации? –
Как я уже сказал, это зависит от сложности вашей проблемы, т. Е. С какими позами вы имеете дело с и т. Д. В общем, чем больше входных измерений у вас больше, тем больше образцов вам нужно, но трудно дать конкретное число без больше информации о вашей проблеме. Повторяя свое описание, мне кажется, что вы перемещаете камеру внутри статической сцены и хотите получить движение камеры.В этом случае подход, который непосредственно выводит движение, будет более уместным, например, структура из подхода движения. – ahans
Правильно, спасибо большое. Это очень полезно и дает мне много о чем подумать и поиграть. –