Machine learning 校准的激光雷达和相机数据是否可以视为标记数据?

Machine learning 校准的激光雷达和相机数据是否可以视为标记数据?,machine-learning,camera-calibration,point-clouds,calibration,lidar,Machine Learning,Camera Calibration,Point Clouds,Calibration,Lidar,我将用校准的激光雷达和图像数据训练我的神经网络。该数据是否会被视为标记数据?这个网络可以通过无监督学习进行培训吗?该模型是否有可能从这些数据中正确学习?我愿意接受任何建议。谢谢。 < P>这取决于你正在尝试的模型,你是否可以考虑它的标签。 你认为“贴标签”是什么意思?如果要创建模型以预测x/y/z(或rae)坐标系中的位置,则激光雷达将标记为数据。如果您试图对某个对象是“向上”还是“向下”进行建模,则数据尚未标记(尽管这可能是一个易于计算的特性) 你还提到照片。大量的机器学习用于确定照片中的内容

我将用校准的激光雷达和图像数据训练我的神经网络。该数据是否会被视为标记数据?这个网络可以通过无监督学习进行培训吗?该模型是否有可能从这些数据中正确学习?我愿意接受任何建议。谢谢。

< P>这取决于你正在尝试的模型,你是否可以考虑它的标签。 你认为“贴标签”是什么意思?如果要创建模型以预测x/y/z(或rae)坐标系中的位置,则激光雷达将标记为数据。如果您试图对某个对象是“向上”还是“向下”进行建模,则数据尚未标记(尽管这可能是一个易于计算的特性)

你还提到照片。大量的机器学习用于确定照片中的内容。激光雷达扫描不会标记照片的内容。这样照片就不会贴标签了

对于监督学习,您必须标记所有结果。如果您运行机器学习算法,但未指定结果,则您的数据未标记,且该算法将不受监督。或者,您可以为半监督算法部分标记数据

示例1:您拍摄一组标记为“猫”或“狗”的照片,然后制作一个算法来确定照片是猫还是狗。这是有监督的


示例2:你拍摄了一组没有贴标签的照片,但你已经看过了,它们要么是夜间场景,要么是白天场景。您不需要标记数据并将其输入到算法中以查找2个集群。该算法可以很好地分割照片,因为每组中的照片都非常清晰,没有任何标签。这是无人监督的

这个问题可能更适合交叉验证()网站,它是关于机器学习和其他统计分析的。如果你的问题更具体地针对编程,你在这里会更幸运