Какой алгоритм машинного обучения лучше всего подходит для классификации отсканированных объектов с помощью 2D-лазерного сканера? Задать вопрос
Задан 6 лет назад Изменен сегодня Просмотрен 138 раз
2 $\begingroup$ Мы используем 2D-лазерный сканер для сканирования различных объектов разной геометрической формы, например, цилиндр, шипованный, цилиндр с выемкой, цилиндр с изогнутыми краями и т. д. Набор данных содержит точки в формате [x, y], при этом размерность одного полного сканирования составляет 160x2. Цель состоит в том, чтобы использовать эти точки сканирования для классификации различных форм. Я использовал многослойную нейронную сеть с сигмоидой в качестве выходного слоя и оптимизатором Adadelta для этой проблемы, но точность достигает только 70%. Может ли кто-нибудь порекомендовать подходящую модель, которую можно использовать для классификации данных лазерного сканера? МОДЕЛЬ def baseline_model(): model = Sequential() model.add(Dense(2048, input_dim=160, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(1024, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(512, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(256, activation='relu')) model.add(Dropout(0.3)) model.add(Dense(128, activation='relu')) model.add(Dropout(0.4)) model.add(Dense(64, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(32, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(6, activation='softmax')) Adam = optimizers.Adam(lr=0.001) Adadelta = optimizers.Adadelta(lr = 1) model.compile(loss='categorical_crossentropy', optimizer=Adadelta, metrics=['accuracy']) neural-networks keras multilayer-perceptrons Share Improve this question Follow edited 58 mins ago Mr. AI Cool 1,108 1 1 silver badge 19 19 bronze badges asked Dec 6, 2019 at 11:18 PMu 21 1 1 bronze badge $\endgroup$ 1 $\begingroup$ Вы можете преобразовать эту проблему в обнаружение формы на изображении, где вы, вероятно, можете использовать сверточные сети с несколькими слоями для решения проблемы. Вы введете много новых переменных, но так решить будет проще. $\endgroup$ Harsh Sinha – Harsh Sinha 2019-12-08 20:06:23 +00:00 Commented Dec 8, 2019 at 20:06 Add a comment | 1 Answer 1 Sorted by: Reset to default Highest score (default) Date modified (newest first) Date created (oldest first) 0 $\begingroup$ Согласно этой статье https://www.researchgate.net/publication/321816644_Deep_learning_for_2D_scan_matching_and_loop_closure 2x-скан проходит через следующие слои Share Improve this answer Follow answered Apr 12, 2023 at 7:42 brianlmerritt 101 2 2 bronze badges $\endgroup$ 2 $\begingroup$ Ваш ответ можно улучшить с помощью дополнительной подтверждающей информации. Пожалуйста, отредактируйте, чтобы добавить дальнейшие детали, такие как ссылки или документацию, чтобы другие могли подтвердить правильность вашего ответа. Вы можете найти больше информации о том, как писать хорошие ответы, в центре помощи. $\endgroup$ Community – Community Bot 2023-04-12 15:32:23 +00:00 Commented Apr 12, 2023 at 15:32 1 $\begingroup$ Смущен - ссылка на researchgate и есть цитата $\endgroup$ brianlmerritt – brianlmerritt 2023-04-16 11:09:00 +00:00 Commented Apr 16, 2023 at 11:09 Add a comment | You must log in to answer this question. Start asking to get answers Find the answer to your question by asking. Ask question Explore related questions neural-networks keras multilayer-perceptrons See similar questions with these tags.
2 $\begingroup$ We are using 2D Laser Scanner to scan various objects of different geometric shapes for e.g. cylinder, spiked, cylinder with notch, cylinder with curved edges, etc. The dataset contains points in the format [x, y] with the dimension of 1 complete scan being 160x2. The goal is to use these scan points to classify the various shapes. I have used a multilayer NN with sigmoid as the final layer and Adadelta optimizer for this problem but the accuracy reaches only up to 70%. Can anyone recommend a proper model that can be used for Laser Scanner Data Classification? MODEL def baseline_model(): model = Sequential() model.add(Dense(2048, input_dim=160, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(1024, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(512, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(256, activation='relu')) model.add(Dropout(0.3)) model.add(Dense(128, activation='relu')) model.add(Dropout(0.4)) model.add(Dense(64, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(32, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(6, activation='softmax')) Adam = optimizers.Adam(lr=0.001) Adadelta = optimizers.Adadelta(lr = 1) model.compile(loss='categorical_crossentropy', optimizer=Adadelta, metrics=['accuracy']) neural-networks keras multilayer-perceptrons Share Improve this question Follow edited 58 mins ago Mr. AI Cool 1,108 1 1 silver badge 19 19 bronze badges asked Dec 6, 2019 at 11:18 PMu 21 1 1 bronze badge $\endgroup$ 1 $\begingroup$ You could convert this problem to shape detection on an image, where you can probably use few-layer convolution networks to solve the problem. You would introduce a lot of new variables but it would be easier to solve it that way. $\endgroup$ Harsh Sinha – Harsh Sinha 2019-12-08 20:06:23 +00:00 Commented Dec 8, 2019 at 20:06 Add a comment | 1 Answer 1 Sorted by: Reset to default Highest score (default) Date modified (newest first) Date created (oldest first) 0 $\begingroup$ According to this paper https://www.researchgate.net/publication/321816644_Deep_learning_for_2D_scan_matching_and_loop_closure the 2x scan goes through the following layers Share Improve this answer Follow answered Apr 12, 2023 at 7:42 brianlmerritt 101 2 2 bronze badges $\endgroup$ 2 $\begingroup$ Your answer could be improved with additional supporting information. Please edit to add further details, such as citations or documentation, so that others can confirm that your answer is correct. You can find more information on how to write good answers in the help center . $\endgroup$ Community – Community Bot 2023-04-12 15:32:23 +00:00 Commented Apr 12, 2023 at 15:32 1 $\begingroup$ Am confused - the researchgate link is the citation $\endgroup$ brianlmerritt – brianlmerritt 2023-04-16 11:09:00 +00:00 Commented Apr 16, 2023 at 11:09 Add a comment | You must log in to answer this question. Start asking to get answers Find the answer to your question by asking. Ask
← Вернуться к списку
Какой алгоритм машинного обучения лучше всего подходит для классификации объектов, отсканированных 2D-лазерным сканером?
Краткое содержание
Мы используем 2D-лазерный сканер для сканирования различных объектов разной геометрической формы, например: цилиндр, шип, цилиндр с вырезом, цилиндр с изогнутыми краями и т. д. Набор данных содержит точки в формате [x, y], при этом размерность одного полного сканирования составляет 160x2. Цель состоит в том, чтобы использовать эти точки сканирования для классификации различных форм. Я использовал многослойную нейронную сети с сигмоидой в качестве последнего слоя и оптимизатор Adadelta для этой задачи, но точность достигает только 70%. Может ли кто-нибудь порекомендовать подходящую модель, которую можно использовать для классификации данных лазерного сканера? MODEL def baseline_model(): model = Sequential() model.add(Dense(2048, input_dim=160, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(1024, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(512, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(256, activation='relu')) model.add(Dropout(0.3)) model.add(Dense(128, activation='relu')) model.add(Dropout(0.4))