我很难决定或确定densenet-121 (微调模型)的哪一层用于特征提取。 我有以下模型(基于DenseNet-121，但我添加了一个分类层，因为我已经训练它将图像分类为7类)。以下是我的模型的最后几层： ? 然而，我在决定使用哪一层(BatchNormalization还是relu)时遇到了麻烦。我想要
浏览 57提问于2021-04-07得票数 0
我的理解是，更快的RCNN是执行对象检测的体系结构。它在图像中找到物体并对它们进行分类。我的理解是VGG-16，RESNET-50等等.还可以在图像中找到对象并对其进行分类。是VGG-16，RESNET-50等等.对象检测体系结构与快速RCNN是一样的？我经常看到VGG-16，RESNET-50等等.作为“中坚”的RCNN速度更快，被文献严重搞糊涂了。提前感谢！
浏览 0提问于2019-06-26得票数 9
我想用INCEPTION_V4模型作为特征提取器进行传输学习，并从下载代码和检查点文件。为了解决这个问题，我创建了两个独立的图，一个用于加载预先训练的模型，另一个用于我<em
浏览 0提问于2018-10-08得票数 1
回答已采纳
根据我对用于图像分类的无监督DNN的理解：隐藏层表示由反向传播所识别的低得多的“特征”。
由于模型是生成的，输出层也是64 x 64图像。因此，如果我们缺少标记数据，我们如何预测新的未见图像包含特定的图像类(例如cat)？
浏览 0提问于2018-05-17得票数 3
回答已采纳
1回答
我已经了解了特定的模型，但我想了解更多关于机器学习问题解决的特定部分。我还没有找到关于这方面的论文，部分原因是不确定它叫什么。我不确定在向这个第二级模型添加特性时有多大的
浏览 2提问于2017-04-20得票数 0
对于迁移学习，我使用在ImageNet上预先训练的ResNet50模型。在删除最后一层之后，我想使用最后一层之前的层的输出(因为最后一层是通过制作top = False来删除的)作为特征提取器来训练逻辑回归分类器。我得到了下面这行的UserWarning (在问题的<
浏览 237提问于2020-05-03得票数 0
我想计算mfcc作为一层深度学习模型，就像Kapre给出的选择，计算日志谱图或mel谱图作为一层深度学习模型。有谁能建议使用Python的深度学习库来达到这个目的。
浏览 4提问于2022-07-04得票数 0
1回答
与图像一起，我有一个文本文件与每个图像文件相关联，图像中枪周围的包围盒的坐标。我需要训练一个模型，它以图像作为输入，并输出4个整数值，这是包围盒(包围盒的顶点)的坐标。
为了训练目标检测模型，应该将图像作为输入而将坐标作为模型的输出吗？是否应该有卷积层来进行特征提取，然后用FC<e
浏览 0提问于2019-06-03得票数 5
回答已采纳
1回答
我有一个使用Object Detection API训练的mask-rcnn模型来检测一些对象。现在，我有其他任务需要对这些图像(以及其他功能)进行回归。是否可以使用经过训练的mask-rcnn模型作为特征提取器(类似于迁移学习的工作原理)，并将最后一层(或多个层)更改为其他任务？
浏览 40提问于2020-05-16得票数 0
我发现图像分类模型都是基于数据集(如ImageNet2012 )的，这些模型的输出都是对象预测，偏离了我的要求。什么样的模型和数据集能满足我的需求？或者，除了神经网络，甚至除了机器学习之外，还有其他方法吗？
浏览 4提问于2020-12-11得票数 0
回答已采纳
使用预先训练的Imagenet模型进行图像分类。在讨论中，我无法理解include_top = False，我知道它在结束时删除了完全连接的层。另外，我想知道如何确定哪种预先训练过的模型用于哪种图像分类任务？
浏览 0提问于2019-01-06得票数 3
我正在努力理解迁移学习。模型的输出与屏幕截图一样是4,4,1280。它是网络的最终输出层吗？实际上，我希望模型将返回最后一层的输出，其维度将是模型所具有的分类类型的数量。例如，1000,0,0，如果在1000种不同类别的图像上训
浏览 3提问于2019-11-25得票数 0
回答已采纳
1回答
我想要可视化输出的每一层后，模型被训练。例如，在函数"evaluate_lenet5“中，我希望向网络传递一个实例(这是一个图像)，并查看每个层的输出以及训练神经网络集用于输入的类。我认为在每一层的图像和权重向量上做一个点积可能很容易，但是它根本不起作用。我有每一层的对象，如：
# Reshape matrix of rasterized images of shape
浏览 0提问于2016-01-29得票数 5
回答已采纳
我试图解决一个由25K样本组成的相对平衡训练集和由~5K样本组成的评价集的10个类的多标签分类任务。并取得了较好的结果(ROC AUC = 0.98)。在确保学习模型的其他层的同时，也就是：gives
['classifier.weight&
浏览 0提问于2020-10-25得票数 4
3回答
关于神经网络的不同结构
、、、
我对结构和术语几乎没有疑问，它们如下：所谓隐藏层，是指输入和输出之间的一层。如果层数=1，有10个隐神经元(如第二个图所示)，那么本质上是一个称为MLP的神经网络。我的理解正确吗？总体而言,如果隐层数为>=1但小于3，则神经网络成为MLP。链接中的图片是否是MLP的图片，因为它包含一个由10个神经元组成的隐藏层？
浏览 0提问于2019-10-10得票数 2
回答已采纳
1回答
我正在尝试为我的文本分类模型添加一个关注层。输入是文本(例如电影评论)，输出是二元结果(例如正面和负面)。))model.add(Dense(1, activation='sigmoid'))
经过一些搜索，我发现了几个keras的可读可用的关注层Keras中内置了keras.layers.Attention层。作为深度<
浏览 17提问于2019-10-25得票数 4
1回答
利用MLP进行特征提取和降维
、、、、
我试图建立一个使用MLP进行特征提取和降维的模型。该模型可将204个维度的数据转换为80个维度。拟议的模式如下：我
浏览 8提问于2021-12-11得票数 1
3回答
我对神经网络中“脊骨”的含义感到困惑，特别是在中。我做了一些研究发现脊椎骨可能意味着
DeepLabv3+以和ResNet-101为骨干.但是，我不熟悉DeepLabv3+的整个结构，骨干指的是哪一部分，哪些部分保持不变？对骨干的概括描述或定义也将受到欢迎。
浏览 3提问于2020-01-22得票数 32
回答已采纳
1回答
根据MLOPs原理，建议使用特征存储。问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类，该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。问题哪些特性应该存储在功能存储中？卷积层的输出？但是在训练过程中，它们不能被重用，因为在训练过程中，它们会被卷积层</e
浏览 0提问于2021-02-09得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
