我试图看到使用TensorFlow识别我的图像数据中的功能的可行性.我有50×50像素的原子核灰度图像,我希望对其进行分割 – 对于每个像素,所需的输出为0或1. 0为背景,1为核.

输入示例：raw input data

示例标签(“标签”/真实答案)：output data (label)

甚至可以使用TensorFlow在我的数据集上执行这种类型的机器学习吗？我可能有数千张训练集的图像.

许多示例的标签对应于单个类别,例如,手写数字数据集的10个数字数组[0,0,0,0,0,0,0,0,0,0,0] ,但我没有看到很多可以输出更大数组的例子.我想我的标签是50×50阵列？

此外,对于此次分析处理CPU时间的任何想法？

最佳答案 是的,这可以通过TensorFlow实现.事实上,有很多方法可以解决它.这是一个非常简单的：

将此视为二进制分类任务.每个像素需要分类为前景或背景.选择一组功能,通过这些功能对每个像素进行分类.这些特征可以是局部特征(例如围绕所讨论的像素的补丁)或全局特征(例如像素在图像中的位置).或两者的结合.

然后在此数据集上训练您选择的模型(例如NN).当然,您的结果将高度依赖于您选择的功能.

如果您可以使用TensorFlow提供的基元将计算表示为计算图,则还可以使用graph-cut approach.然后,您可以不使用TensorFlow的优化函数(如backprop),或者如果计算中存在一些可微分变量,则可以使用TF的优化函数来优化这些变量.