江苏龙网

  1. 首页 > 生活 > >

为啥现在绝大多数深度学习模型都是针对的图像栅格数据，很少看到为矢量数据设计的模型

Geometric deep learning: going beyond Euclidean data

■网友
我想主要是矢量图的ambiguity太大了吧，即对同一个图有太多种表示了。对于有10根线条组成的简单图案，我可以把笔画顺序打乱，仍然是同一张图，但有不同的矢量图的数据。即使一个线条，我可以用好多线条拼出一样的像素。所以干脆把矢量图画出像素图来处理，就不需要管这种表示层面的ambiguity了。
■网友
其实机器学习基本上所有处理问题的思路都是向量化的，这是因为但凡涉及到分类的问题，只能用高维度向量的形式去描述一个样本

cnn里不管是conv还是fc这些层每一轮出来的东西也是一个高维度的向量。

你想要转化到怎样的矢量数据去？
另外之所以绝大多数深度学习是干这个的
因为当年lecun最早做的那个雏形就是做文字识别的
为啥现在绝大多数深度学习模型都是针对的图像栅格数据，很少看到为矢量数据设计的模型

现在很多大公司深度学习处理图片的东西更多，自然做这个的多了，没毛病啊

■网友
还有一个领域称为CG界，你去看看CG界深度学习模型在控制决策领域的研究就可以了。当然目前深度学习最火热的就是CV界研究。关于CG界的Deep Learning，去搜历年的SIGGRAPH文章整理，不过好像也就近两年有DL的应用，之前都是基于RBM的模型结构拓展，可以先看我之前的一个回答
可用何种神经网络进行信息分析推理与决策（或者说如何判断哪种网络结构适用），以对机器进行自适应控制？
■网友
因为深度学习只擅长瞎jb匹配，不擅长逻辑推理。
所以它被用在写歌，写诗，梦境，“识别”等即使瞎搞也能忽悠住大部分人的领域。
或者融合一些人的先验，解决那些规则单一但大多无用的问题，比如棋类，小游戏等等，然后再打败个围棋冠军，搞个大新闻，营造出一片欣欣向荣的气氛，继续骗大佬的钱。
至于矢量图片，深度学习的想法是：
为啥现在绝大多数深度学习模型都是针对的图像栅格数据，很少看到为矢量数据设计的模型



■网友
【为啥现在绝大多数深度学习模型都是针对的图像栅格数据，很少看到为矢量数据设计的模型】 可以了解一下点云数据的CNN。与你说的矢量图有一定的类似。矢量图的处理需要用到图论的计算方法。也就是需要修改卷积核的计算方法。

■网友
栅格数据都可以了，矢量数据会有问题吗？你把一条线段上所有的点喂给神经网络，和把两个端点喂给另一个神经网络，可以训练出相同的输出结果。只不过，由于后者的输入表达更简洁，所以很可能对应的神经网络的结构更简单。


    推荐阅读


    上一篇：『本田』全新飞度国产了！GK5根本不值得怀念！

    下一篇：教会4岁小孩玩网游，比如CODOL，有啥影响吗