[問題] 多參數系統下預測最佳解

[boGhosts (迷幻停車場。)]

各位好，小弟最近在開始構想一個系統，

大致上有點類似去調整PhotoShop參數，達到預期效果

比方說有一張原圖 A，一張目標圖 B(Target)，想透過某套系統Training參數

讓影像處理引擎吃進參數後，可以大量生成 A' --> B' (也就是風格類似的調整)

兩年前做過一個類似系統，用窮舉參數的方法，

將 A/B 之間差異量化表示（比方說直接算Delta），

用 Local Minimum 的方式去求一個解，不過成效不佳 Orz

最近開始學 Python, 發現 Python 上"疑似"搭配一些 Machine Learning 的方式有機會

不過因為跟 Machine Learning 不熟，不知道大家有沒有做過類似的研究

比方說餵一堆 A / B 的圖以及一些已知參數，能自動 Training 未知 A' 到 B' 參數的？

歡迎各位討論 Orz

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 122.116.220.56
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1468241597.A.603.html
→ boGhosts: (註)在python版發問是因為最近在研究TensorFlow...
→ aaaba: 你有原始圖和對照應該使用最佳參數的資料嗎？沒有的話根本
→ aaaba: 行不通，只能採取古老的影像處理技巧
→ boGhosts: A-->B的時候，A/B/參數都有, A'-->B'的時候，有A'/B'
→ boGhosts: 然後想要預測參數
→ boGhosts: 感覺上像是要研發一台自動修圖機器人的感覺 XD
→ boGhosts: 從已知的經驗，在已知的處理引擎上做未知的事
→ boGhosts: 因為腦海裡面一直有之前AlphaGo的印象，才想說有沒有機
→ boGhosts: 會，因為下棋也是，有很多既存的棋譜，然後想要達到
→ boGhosts: 目標（也就是贏棋），從過往經驗學習怎麼去達到目標
→ aaaba: 資料量大的話當然可行啊，只是神經網絡有很多預先的參數要
→ aaaba: 設計，包括網絡架構，leaning rate, 輸入特徵該餵什麼等等
→ aaaba: ，最好能找到相關成果加以延伸，從零開始會搞死人
推 adgjl5645: 記得很多人做過這種東西了，今年臺灣 pycon 就有一場在
→ adgjl5645: 講這個，可以找找看