qq_35910758
2017-11-28 08:21
采纳率: 40%
浏览 2.3k

关于深度学习现实问题的可行性

本人土木研究生,最近在研究混凝土氯离子渗透深度的问题,我能不能将不同混凝土的图片输入进去,分别给他们不同的渗透深度,其他我都不给,经过训练后能通过图片来的出氯离子渗透深度。仅从深度学习的角度可行吗?需要样本量多吗

  • 写回答
  • 好问题 提建议
  • 关注问题
  • 收藏
  • 邀请回答

11条回答 默认 最新

  • hjt1381043 2017-11-29 08:00
    已采纳

    首先你要人眼大致判断一下渗透深度这个东西在图片上是否能够直观的反映出来,是否需要使用到3D的数据,不太清楚2D下能不能看出来。
    如果图像上能够反映出一下信息,那么你怎么定义和评估这个渗透深度,你是想大致评估一下渗透深度的量级,还是说需要给出具体的渗透深度的连续量。
    确定了问题的描述后,比如只是分几个量级做分类,那么需要的训练数据的多少取决于你的这个图像特征是不是容易识别出来,可以考虑使用transfer learning的方法用pre-trained模型先试着尝试尝试;
    考虑到这个数据应该不会超级多,所以train from scratch可能效果不是很好(猜测),因为这些图像都比较特殊,研究的人不是很多,不过,反正建议你动手试试,用迁移学习,看看效果再说。

    已采纳该答案
    评论
    解决 无用
    打赏 举报
  • 叛逆不坏小子 2017-11-28 08:38

    问这个问题的人很有深度

    评论
    解决 无用
    打赏 举报
  • Debug_dodge 2017-11-28 09:21

    如果图片上可以展示的一些信息(如土的颜色等)和渗透深度有关的话,你可以试着做一下。

    但是我个人感觉只有图像信息可能不够,最好有其他的特征(湿度什么的)。

    样本肯定是越多越好啊,至少也得有几百几千张吧。

    你是对深度学习完全不了解,才问这种问题的吗?

    我觉得动手去做,比在这儿问别人可不可行要快多了。因为你提出这个问题,我们这边还真的没有实验室在做,自然也没法回答你。

    评论
    解决 无用
    打赏 举报
  • zhwhong 2017-11-28 09:47

    首先你要人眼大致判断一下渗透深度这个东西在图片上是否能够直观的反映出来,是否需要使用到3D的数据,不太清楚2D下能不能看出来。
    如果图像上能够反映出一下信息,那么你怎么定义和评估这个渗透深度,你是想大致评估一下渗透深度的量级,还是说需要给出具体的渗透深度的连续量。
    确定了问题的描述后,比如只是分几个量级做分类,那么需要的训练数据的多少取决于你的这个图像特征是不是容易识别出来,可以考虑使用transfer learning的方法用pre-trained模型先试着尝试尝试;
    考虑到这个数据应该不会超级多,所以train from scratch可能效果不是很好(猜测),因为这些图像都比较特殊,研究的人不是很多,不过,反正建议你动手试试,用迁移学习,看看效果再说。

    评论
    解决 无用
    打赏 举报
  • qq_15261069 2017-11-28 10:08

    一般来说 :深度学习就是构建卷积神经网络,一般用matlab里的神经网络工具箱,数据需求量非常大,效果还不一定好,例子有CNN,具体请百度

    评论
    解决 无用
    打赏 举报
  • qq_35281716 2017-11-28 14:40

    深度学习就是构建卷积神经网络,一般用matlab里的神经网络工具箱,数据需求量非常大,效果还不一定好,例子有CNN,具体请百度

    评论
    解决 无用
    打赏 举报
  • _westCastle 2017-11-28 15:19

    土木专业的知识我不了解,从我的角度分析,如果能够通过图片的差异反映出渗透量的变化,理论上来讲深度学习是行得通的
    (楼上那两个深度学习就是构建卷积神经网络的,我。。只能说无语),至于样本量,预计应该给到几千不止,可以看学习情况进行调整,
    由于没有做过所以没有具体数据支持,感觉动手做了就能看出来了啊,楼主是懒得去搭建神经网络吧。。。其实网络搭建都差不多的,
    不过调参是个麻烦的问题,哈哈

    评论
    解决 无用
    打赏 举报
  • threenewbee 2017-11-28 15:57

    引用这篇文章的观点:http://gitbook.cn/books/59f6beb113324c4cf497a7c8/index.html

    警惕两坑。第一不要把AI用作噱头,比如人脸识别登录APP,这在目前依然是属于炫技噱头,完全不考虑移动端用户体验的流氓做法;第二也不要对AI有不切实际的期待,认为它能做很多复杂的事情,比如AI聊天机器人,做你的情感伴侣,要知道,即使是微软和苹果公司的AI水平,现在也很难满足你那颗寂寞的心。
    首先不要选开放环境,要选一个封闭可控的环境。比如说做个仓储搬货机器人,就是在仓库里面,从A到B,完成一个固定的任务。这里面场景是封闭的,光线是可控的,路线是受约束的。这种任务,目前AI就可以做得比较好。不要去碰自动驾驶汽车这种开放场景的,有迎着阳光的,有背着阳光的,有隧道里,有高速上的。即使是现在最牛的自动驾驶汽车,现在到了下雨下雪天,基本都会歇菜。
    或者你做客服机器人,专注处理顾客遇到的业务上的问题,这就是封闭场景,你可以不用解决全部问题,而只是那些高频重复的标准问题,在这样一个可控的范围内,你把体验做好。先解决一个具体的小问题。产品稳定,又能创造价值。
    第二,不要完全替代人,要辅助、增强也行。人工智能只有少数领域的少数场景下,才能做到超过人类水平。所以暂时还是需要保持理性,当下这个阶段,即使把辅助、增强做好,也很不容易。
    第三,不要等待大数据,要巧妙采集、草船借箭。现在大家都意识到做AI,拥有大量的数据特别重要。但对于初创团队来说,要弄到海量数据,成本极高。那要如何采集呢?
    第四,不要过于相信算法,要精心设计聪明的容错方案。算法是一定会出问题的,要通过设计容错方案,保证出错情况下的用户体验。比如出错直接人工服务。

    评论
    解决 无用
    打赏 举报
  • 小青儿 2017-11-29 02:32

    一般来说 :深度学习就是构建卷积神经网络,一般用matlab里的神经网络工具箱,数据需求量非常大,效果还不一定好,例子有CNN,具体请百度

    评论
    解决 无用
    打赏 举报
  • about_itt 2017-11-29 08:17

    样本不大,强上深度学习会受伤。

    评论
    解决 无用
    打赏 举报
  • BVL10101111 2017-11-29 10:52

    实践出真理,上个模型试试看不就知道了,或者上个简单的model,不用dl,如果简单模型有一定效果,那么深度学习模型也不会差

    评论
    解决 无用
    打赏 举报

相关推荐 更多相似问题