Learning shape metrics with Monte Carlo optimization

اندازه گیری و مدل سازی تغییرات شکل درون یک جمعیت، شناسایی کنش های مورفولوژیکی در میان گروه ها و دسته بندی افراد یا اشیاء با توجه به شباهت مورفولوژیکی، مسائل اصلی در حوزه های مختلف علم و کاربرد است. در این مقاله، ما یک رویکرد به طبقه بندی بهینه مطلوب را از طریق یک خانواده جدید از معیارهای برای اشکال ارائه شده به عنوان مجموعه ای محدود از نقاط برجسته نشانه گذاری ارائه شده است. ما یک روش برای یادگیری معیارهایی که به طور مطلق تمایز و دسته بندی اشکال با استفاده از روش های بهینه سازی مونت کارلو را توسعه می دهد. ما درباره تئوری و عمل روش ها بحث می کنیم و آنها را به تجزیه و تحلیل داده های مصنوعی و طبقه بندی گونه های مختلف مگس میوه بر اساس شکل بال آنها اعمال می کنیم.