Classification ProblemsSkinThis is

Classification Problems
Skin
This is a dataset produced by the author and colleagues; the problem is to predict whether
a particular pixel in a real-world image is human skin or not. The data was generated
by asking volunteers to select pixels corresponding to skin and not skin, from a variety of
real-world images, and recording the image information at those pixels. The data has 4500
examples (each corresponding to one pixel in an image), with 6 continuous valued inputs
and 1 binary output. For a given pixel, the first three input variables are the red, green and
blue values at that point, rescaled to [0, 1]. The last three input variables were generated by
calculating the sample variance of a 3x3, 5x5 and 7x7 window around the pixel. Networks
were trained for 500 iterations. We divided the dataset into 5 equal sized portions; we
trained on one fifth of the data (900 examples), then tested on the remaining four fifths
(3600 examples). This was repeated 5 times so each portion was used in turn as training
data. Each time, the ensemble was evaluated from 40 trials of random weights, giving a
total of 200 trials for each experiment.

ผลลัพธ์ (ไทย) 1:

ปัญหาการจัดประเภทผิวเป็นชุดข้อมูลที่ผลิต โดยผู้เขียนและเพื่อนร่วมงาน ปัญหาคือการ ทำนายว่าพิกเซลหนึ่ง ๆ ในรูปจริงมีผิวหนังมนุษย์ หรือไม่ สร้างข้อมูลโดยขออาสาสมัครต้องตรงกับผิว และไม่ ผิว จากพิกเซลภาพจริง และบันทึกข้อมูลภาพที่พิกเซลเหล่านั้น ข้อมูลมีราคา 4500ตัวอย่าง (แต่ละที่สอดคล้องกับหนึ่งพิกเซลในภาพ), มีอย่างต่อเนื่องค่าอินพุตและผลผลิตไบนารี 1 พิกเซลให้ ตัวแปรอินพุตสามแรกเป็นสีแดง สีเขียว และสีฟ้าค่าที่จุด rescaled กับ [0, 1] สร้างขึ้นโดยตัวแปรอินพุตสามคำนวณความแปรปรวนตัวอย่างของหน้าต่าง 3 x 3, 5 x 5 และ 7 x 7 รอบพิกเซล เครือข่ายมีการฝึกอบรมสำหรับ 500 ซ้ำ เราแบ่งชุดข้อมูลบางส่วนเท่าขนาด 5 เราอบรมการการห้าหนึ่ง (900 ตัวอย่าง), ข้อมูลที่ทดสอบแล้ว บน fifths 4 เหลือ(3600 ตัวอย่าง) นี้ถูกทำซ้ำ 5 ครั้งดังนั้นแต่ละส่วนใช้จะเป็นการฝึกอบรมข้อมูล กัน วงดนตรีถูกประเมินจากการทดลอง 40 ของน้ำหนักสุ่ม การให้การผลรวมของการทดลองในการทดลองแต่ละ 200

ผลลัพธ์ (ไทย) 2:

ปัญหาการจำแนกประเภทผิวนี้เป็นชุดที่ผลิตโดยผู้เขียนและเพื่อนร่วมงาน; ปัญหาคือการคาดการณ์ว่าพิกเซลโดยเฉพาะอย่างยิ่งในภาพที่แท้จริงของโลกคือผิวหนังของมนุษย์หรือไม่ ข้อมูลที่ถูกสร้างขึ้นโดยขอให้อาสาสมัครที่จะเลือกพิกเซลสอดคล้องกับผิวและไม่ได้ผิวจากความหลากหลายของภาพที่แท้จริงของโลกและการบันทึกข้อมูลภาพที่พิกเซลเหล่านั้น ข้อมูลที่มี 4,500 ตัวอย่าง (แต่ละสอดคล้องกับหนึ่งพิกเซลในภาพ) มี 6 ปัจจัยการผลิตอย่างต่อเนื่องมูลค่า1 และเอาท์พุทไบนารี สำหรับพิกเซลที่กำหนดครั้งแรกที่สามตัวแปรเป็นสีแดงสีเขียวและค่าสีฟ้าที่จุดนั้น rescaled ไปที่ [0, 1] ล่าสุดสามตัวแปรถูกสร้างขึ้นโดยการคำนวณค่าความแปรปรวนตัวอย่างของ 3x3, 5x5 และ 7x7 หน้าต่างรอบพิกเซล เครือข่ายได้รับการฝึกฝน 500 ซ้ำ เราได้แบ่งชุดข้อมูลออกเป็น 5 ส่วนขนาดเท่ากัน เราได้รับการฝึกฝนในหนึ่งในห้าของข้อมูล (900 ตัวอย่าง) แล้วทดสอบในส่วนที่เหลืออีก 4/5 (3,600 ตัวอย่าง) นี้ถูกทำซ้ำ 5 ครั้งเพื่อให้แต่ละส่วนถูกนำมาใช้ในการเปิดการฝึกอบรมข้อมูล ทุกครั้งที่วงดนตรีที่ได้รับการประเมินจากการทดลอง 40 ของน้ำหนักสุ่มให้รวม200 ทดลองสำหรับการทดสอบแต่ละ

ผลลัพธ์ (ไทย) 3:

การจำแนกปัญหาผิว

นี้เป็นชุดข้อมูลที่ผลิตโดยผู้เขียนและเพื่อนร่วมงาน ปัญหาคือ ทำนายว่า
พิกเซลโดยเฉพาะอย่างยิ่งในโลกแห่งความจริงภาพผิวของมนุษย์หรือไม่ ข้อมูลที่ถูกสร้างขึ้นโดยขออาสาสมัครที่จะเลือก
พิกเซลสอดคล้องกับผิวและผิว จากความหลากหลายของ
รูปจริง และการบันทึกข้อมูลภาพที่พิกเซลนั้น ข้อมูล 4500
ตัวอย่าง ( แต่ละสอดคล้องกับหนึ่งพิกเซลในภาพ ) กับ 6 ต่อเนื่องมูลค่าปัจจัยการผลิต
และ 1 output แบบไบนารี เพื่อให้พิกเซล , สามตัวแรกใส่ตัวแปรเป็นสีแดง , สีเขียวและสีฟ้า
ค่าจุดที่ rescaled [ 0 , 1 ] สุดท้ายสามตัวแปรนำเข้าถูกสร้างขึ้นโดย
คำนวณตัวอย่างแปรปรวนของ 3x3 , 5x5 7x7 และหน้าต่างรอบพิกเซล เครือข่าย
ฝึก 500 รอบ .เราแบ่งเป็น 5 ส่วนชุดข้อมูลขนาดเท่ากัน เรา
ฝึกเกี่ยวกับหนึ่งในห้าของข้อมูล ( 900 ตัวอย่าง ) แล้วทดสอบที่เหลืออีกสี่ห้า
( 3600 ตัวอย่าง ) นี้ซ้ำ 5 ครั้ง ดังนั้นแต่ละส่วนถูกใช้ในการเปิดอบรมเป็นข้อมูล

แต่ละครั้ง วงถูกประเมินจากน้ำหนัก 40 การทดลองสุ่มให้
รวม 200 การทดลองในแต่ละการทดลอง