Я хочу создать ANN, который при наличии изображения с белыми и черными пикселями способен создать оптимальную последовательность прямых линий шириной в один пиксель, которые полностью заполняют это изображение.
изображения могут быть легко представлены в виде 2-мерных тензоров: 0 для белого и 1 для черного.Подумайте, «затеняя» форму карандашом, чтобы заполнить ее цветом.
Функция потерь в этом случае будет зависеть от того, сколько было затенено черных пикселей, сколько было (неправильно) закрашено белым и т. Д., Какмного раз линии пересекают другие линии и т. д.
Простое моделирование представляет собой 2-канальное 2-мерное изображение с одним каналом для исходного изображения и одним для «затененной до сих пор» части изображения.
Поскольку каждая нарисованная линия представляет собой шаг по времени, RNN кажется здесь хорошо подходящим, но не очевидно, как создать RNN в tf, где вход еще не организован в размер входного сигнала во времени.Фактически, входной сигнал в момент времени t (n) будет входным сигналом в момент времени t (n-1) плюс дополнительное затенение, выполняемое выходным сигналом (n-1).
Кажется, что это должно быть довольно стандартной проблемой, когдамы создаем ANN, который взаимодействует, изменяя мир, и знает об изменениях, которые он сделал до сих пор.Однако я не смог найти подобных примеров.
Возможно, RNN не самая лучшая структура для этой сети, в таком случае, есть ли лучшая структура?