Feature proposal: unsupervised manifold learning to understand un-labelled datasets ?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, opencv
Direzione di ricerca
Inizia con il POC obscame-dataset-quality collegato e analizza l’uso esistente di PCA, UMAP e t-SNE in nrtk. Prima dell’implementazione, definisci i modelli di embedding supportati, il flusso di addestramento e inferenza per i dati non etichettati, il comportamento delle augmentation e l’output della visualizzazione; il risultato deve essere un ambito concreto e concordato con criteri di accettazione.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
nrtk currently helps to evaluate the robustness of existing models or algorithms. The goal would be to expend its functionality to enable insights from datasets alone.
Using unsupervised manifold learning, one can automatically extract insights from an un-annotated dataset by projecting the n-dimensionnal latent space to a 3D/2D reduce space (with PCA, UMAP or T-SNE as you are already doing).
The additionnal features for nrtk would be:
- Select an "embedding model" such as a convolutionnal VAE, or classical non-reference image quality like opencv BRISQUE.
- Train the model if required (for ML-based techniques like CVAE)
- Infer the model on an un-labelled dataset (optionally with augmentation) (not sure if nrtk support no annotations)
- Visualize the features on the new space
We are currently working on this topic with ifremer, you can find a first POC here. The current visualization is really basic with a static file (html) exported from bokeh.
Let us know what you think,
- Lingua principale
- Jupyter Notebook
- Stelle
- 31
- Fork
- 8
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Include un Dockerfile o un file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di Kitware/nrtk
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 28/100
Tutte le issue di Kitware/nrtk
Issue simili
-
bug features2D-module wasm
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
ok-oldking/ok-wuthering-waves#1785 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
vahinitech/20factor-analyser#140 ·
I maintainer di solito rispondono entro 1 giorno