Ich verwende pretrained resnet50 und inception v3 Netzwerke, um Features aus meinen Bildern zu extrahieren, die ich dann mit meinem ML Algo verwende.Merkmalsextraktion in Keras
Welche Layer werden für die Merkmalsextraktion empfohlen?
Ich verwende derzeit: "mixed10" in Inception v3 und "avg_pool" in resent50. Die Features sind gut modelliert in XGBoost obwohl.
Vielen Dank.
Es gibt keine allgemeinen Regeln für die Auswahl der Ebene für die Merkmalsextraktion, aber Sie können eine einfache Faustregel verwenden. Je tiefer Sie in das Netzwerk gehen - desto weniger spezifische Semantikmerkmale haben Sie. Aber in der gleichen Zeit - Sie bekommen weniger semantische Funktionen auch.
Was ich tun würde ist, die pool Ebenen in beiden Topologien zu verwenden - und wenn das nicht gut funktionierte - dann würde ich tiefer gehen, indem ich die Tiefe als Metaparameter einstelle.
Meinst du "avg_pool" mit include_top = True (Standard) oder "global_average_pooling2d_1" mit include_top = False? –
In welcher Topologie? –
resnet50 hat 'avg_pool' für include_top = True und False. inceptionv3 hat 'global_average_pooling2d_1' für include_top = False und 'avg_pool' für include_top = True. Es scheint mir, dass der korrekte Ansatz zum Extrahieren von Features darin besteht, mit include_top = True (Standard) mit dem 'avg_pool'-Layer für entweder resnet50 oder inceptionv3 zu beginnen. Ist das korrekt? –