我正在使用预训练的resnet50和inception v3网络从图像中提取特征，然后将其与我的ML算法一起使用。
哪些层适合特征提取呢？
我目前正在使用：Inception v3中的"mixed10"和resent50中的"avg_pool"。这些特征在XGBoost中表现良好。
谢谢。
哪些层适合特征提取呢？
我目前正在使用：Inception v3中的"mixed10"和resent50中的"avg_pool"。这些特征在XGBoost中表现良好。
谢谢。
1个回答
2
关于如何选择特征提取层，没有普适的规则，但你可以使用一个简单的经验法则。网络深度越深，就会有越少基于ImageNet的语义特征。但与此同时，你也会得到更少的语义特征。
我会在两种拓扑结构中都使用pool层——如果这样的表现不能满意，则会增加层数，将深度设置为元参数。
- Marcin Możejko
5
你是指带有 include_top=True（默认值）的 "avg_pool"，还是不带 include_top 的 "global_average_pooling2d_1"？ - Henry Thornton
在哪种拓扑结构中？ - Marcin Możejko
resnet50在include_top=True和False时都有'avg_pool'。inceptionv3在include_top=False时有'global_average_pooling2d_1'，在include_top=True时有'avg_pool'。我认为正确的提取特征的方法是从包含'avg_pool'层的include_top=True（默认）开始，无论是对于resnet50还是inceptionv3。这样做正确吗？ - Henry Thornton
对我来说也没问题。 - Marcin Możejko
1一个相关的问题：在使用机器学习算法或相似度度量之前，您是否发现有必要对提取的特征向量进行归一化处理？ - Henry Thornton
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接