Image processing 机器学习中的参数提取

我正在尝试用机器学习来制作图像处理专家系统

像。。。例如我有一些完美的图像集和学习引擎。如果我把变色的，怪异的图像放在引擎里，引擎会改变颜色，锐度等特征

正常的机器学习会给我一个答案，不管图像是好是坏

问题是我如何获得最佳参数集（添加rgb、锐度算法参数的参数等等），不仅仅是图像是否良好

是否存在用于提取参数的机器学习

正常的机器学习会给我一个答案，不管图像是好是坏

错。没有“正常的机器学习”这样的东西。您所描述的是一个二进制分类任务，它是具有ML域的任务之一

你们所描述的让我假设你们想给一个ML算法一些图像，并得到一些定量值（一些实数）作为输出（你们称之为“锐度参数”等）。这称为回归任务。阅读回归算法，选择一个适合你的算法

在我看来，既然你正在处理图像，你应该尝试使用卷积神经网络来训练你的数据，并对你还没有看到的新图像进行回归。它们在处理图像方面确实很酷，但从计算角度来看，它们相当“沉重”