2024-06-25 06:51:31 发布
网友
我目前正在开发一个从3D对象中提取某些特征的系统(精确地说是体素网格),我想将这些特征与tensorflow cNN中自动生成的特征与其他一些数据的性能(分类)进行比较,但这不是这里的重点,仅用于背景。 我现在的想法是,获取一个数据集(modelnet10),训练一个tensorflow cNN对它们进行分类,然后使用它在我的数据集上学到的东西——不是分类,而是提取特征
所以我想扔掉cnn所做的一切,除了从物体上拿走的东西
有没有办法获得这些功能?我该怎么做?我当然不知道
是的,可以专门为特征提取训练模型。这被称为转移学习,您可以训练自己的模型,然后提取特征,或者您可以从预先训练的模型中提取特征,然后在任务中使用它,前提是您的任务与预先训练的模型训练的任务性质类似。当然,你可以在网上找到很多关于这些主题的资料。但是,我在下面提供了一些链接,详细介绍了如何进行:
https://keras.io/api/applications/
https://keras.io/guides/transfer_learning/
https://machinelearningmastery.com/how-to-use-transfer-learning-when-developing-convolutional-neural-network-models/
https://www.pyimagesearch.com/2019/05/27/keras-feature-extraction-on-large-datasets-with-deep-learning/
https://www.kaggle.com/angqx95/feature-extractor-fine-tuning-with-keras
是的,可以专门为特征提取训练模型。这被称为转移学习,您可以训练自己的模型,然后提取特征,或者您可以从预先训练的模型中提取特征,然后在任务中使用它,前提是您的任务与预先训练的模型训练的任务性质类似。当然,你可以在网上找到很多关于这些主题的资料。但是,我在下面提供了一些链接,详细介绍了如何进行:
https://keras.io/api/applications/
https://keras.io/guides/transfer_learning/
https://machinelearningmastery.com/how-to-use-transfer-learning-when-developing-convolutional-neural-network-models/
https://www.pyimagesearch.com/2019/05/27/keras-feature-extraction-on-large-datasets-with-deep-learning/
https://www.kaggle.com/angqx95/feature-extractor-fine-tuning-with-keras
相关问题 更多 >
编程相关推荐