|
1、如何在深度学习结构中使用纹理特征 如果图像数据集具有丰富的基于纹理的特征，如果将额外的纹理特征提取技术作为端到端体系结构的一部分，则深度学习技术会更有效。 预训练模型的问题是，由于模型的复杂性，最后一层捕获图像的复杂特征。这些特征提供了关于物体形状的信息，但不适合基于图像中的重复模式来识别纹理细节。为了以一种优雅的方式解决这个问题，研究人员提出了将纹理提取技术与CNN结合起来的概念。这样纹理就能被更准确地捕捉和分类。 在基于纹理的分类任务重，纹理分析对于深度学习的重要性 由于纹理基于局部模式，而传统的深度学习方法强调复杂的特征，对纹理分类没有帮助，因此，传统的CNN架构不能很好地执行基于纹理特征的分类任务。为了让深度学习在基于纹理的数据上更好地工作，需要有一种方法，可以从图像中提取纹理特定的特征，并将其传递给全连接层，同时保留全局特征。这样的架构设置将使全连接的层具有信息纹理特征，并有助于更有效地估计类边界。
原作者：Trapti Kalra 
2
|
|
|
|
|
/7 
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 深圳华秋电子有限公司
电子发烧友 （电路图） 粤公网安备 44030402000349 号 电信与信息服务业务经营许可证：粤 B2-20160233
工商网监
粤ICP备 14022951 号
2181
淘帖
17297
0
