完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
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
|
|
|
|
小黑屋| 手机版| Archiver| 电子发烧友 ( 粤ICP备14022951号 )
GMT+8, 2023-5-22 17:10 , Processed in 1.078773 second(s), Total 86, Slave 67 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
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