0
是否可以將圖像特徵(如SIFT特徵)提供給Tensorflow中的卷積神經網絡模型?我正在嘗試一個this project的tensorflow實現,其中灰度圖像是彩色的。將圖像作爲模型提供給圖像特徵會是更好的選擇嗎? PS。我是機器學習的新手,不熟悉創建神經n/w模型將圖像特徵提供給tensorflow進行訓練
是否可以將圖像特徵(如SIFT特徵)提供給Tensorflow中的卷積神經網絡模型?我正在嘗試一個this project的tensorflow實現,其中灰度圖像是彩色的。將圖像作爲模型提供給圖像特徵會是更好的選擇嗎? PS。我是機器學習的新手,不熟悉創建神經n/w模型將圖像特徵提供給tensorflow進行訓練
您可以爲tensorflow神經網絡提供幾乎任何東西。 如果您有每個像素的額外功能,那麼您將使用多個通道,而不是使用一個通道(強度)。
如果您有額外的功能,這是關於整個圖像,您可以在上層單獨輸入合併功能。
至於更好的表現,你應該嘗試兩種方法。 一般的直覺是,如果你沒有很多樣本,額外的特徵會有幫助,如果你有很多樣本,並且網絡可以自己學習特徵,那麼它們的效果會逐漸減弱。另外還有一點:如果你是新手,我強烈推薦使用keras.io這樣的更高層框架(它是tensorflow上的層)而不是tensorflow。
卷積網通常在形狀[批次,高度,寬度,通道]的張量上進行操作,其中「通道」基本上代表圖像的「特徵」數量,因此將數據填充到一個數據中應該沒有問題。 – Androbin