首页 > TensorFlow
预建深度学习提取特征及实现(详解版)
本节将介绍如何使用深度学习来提取相关的特征。
一个非常简单的想法是使用 VGG16 和一般的 DCNN 模型来进行特征提取。这段代码通过从特定图层中提取特征来实现这个想法。
较低层识别诸如颜色和边缘等较低阶特征,高层将这些较低阶特征组合成较高阶特征,诸如形状或对象。因此,中间层具有从图像中提取重要特征的能力,这些特征有助于不同种类的分类。
这种结构具有以下几个优点:
一个非常简单的想法是使用 VGG16 和一般的 DCNN 模型来进行特征提取。这段代码通过从特定图层中提取特征来实现这个想法。
具体实现过程
-
导入处理和显示图像所需的预建模型和附加模块:
-
从网络中选择一个特定的图层,并获取输出的特征:
-
提取给定图像的特征,代码如下所示:
解读分析
现在,你可能想知道为什么要从 CNN 中的中间层提取特征。一个直觉是:随着网络的学习将图像分类成不同类别,每一层将学习到进行最终分类所必需的特征。较低层识别诸如颜色和边缘等较低阶特征,高层将这些较低阶特征组合成较高阶特征,诸如形状或对象。因此,中间层具有从图像中提取重要特征的能力,这些特征有助于不同种类的分类。
这种结构具有以下几个优点:
- 可以依靠公开的大规模数据集训练,将学习参数迁移到新的领域。
- 可以节省大量训练时间。
- 即使在自己的数据集中没有大量的训练数据,也可以提供合理的解决方案。我们也可以为手头任务准备一个较好的起始网络形状,而不用去猜测它。
所有教程
- C语言入门
- C语言编译器
- C语言项目案例
- 数据结构
- C++
- STL
- C++11
- socket
- GCC
- GDB
- Makefile
- OpenCV
- Qt教程
- Unity 3D
- UE4
- 游戏引擎
- Python
- Python并发编程
- TensorFlow
- Django
- NumPy
- Linux
- Shell
- Java教程
- 设计模式
- Java Swing
- Servlet
- JSP教程
- Struts2
- Maven
- Spring
- Spring MVC
- Spring Boot
- Spring Cloud
- Hibernate
- Mybatis
- MySQL教程
- MySQL函数
- NoSQL
- Redis
- MongoDB
- HBase
- Go语言
- C#
- MATLAB
- JavaScript
- Bootstrap
- HTML
- CSS教程
- PHP
- 汇编语言
- TCP/IP
- vi命令
- Android教程
- 区块链
- Docker
- 大数据
- 云计算