テンソルフロースリムのResNet-50モデルを使用してフィーチャを抽出しています。私の質問は、画像を入力する前にいくつかの標準的なResNets-50の平均値に従って画像を中央に配置する必要がありますか?私はvgg-19のために、で定義された _mean_image_subtraction(image, means)
を使用してセンタリングのオプションを提供することを知っています。しかし、私はResNetsのためのそのようなファイルや機能を見つけることができませんでした。テンソルフロースリムのResNet-50のイメージセンタリング
答えて
私はvgg_preprocessing
も使うべきだと思います。 preprocessing_factory.pyからget_preprocessing()
で:
preprocessing_fn_map = {
'cifarnet': cifarnet_preprocessing,
'inception': inception_preprocessing,
'inception_v1': inception_preprocessing,
'inception_v2': inception_preprocessing,
'inception_v3': inception_preprocessing,
'inception_v4': inception_preprocessing,
'inception_resnet_v2': inception_preprocessing,
'lenet': lenet_preprocessing,
'mobilenet_v1': inception_preprocessing,
'resnet_v1_50': vgg_preprocessing,
'resnet_v1_101': vgg_preprocessing,
'resnet_v1_152': vgg_preprocessing,
'resnet_v1_200': vgg_preprocessing,
'resnet_v2_50': vgg_preprocessing,
'resnet_v2_101': vgg_preprocessing,
'resnet_v2_152': vgg_preprocessing,
'resnet_v2_200': vgg_preprocessing,
'vgg': vgg_preprocessing,
'vgg_a': vgg_preprocessing,
'vgg_16': vgg_preprocessing,
'vgg_19': vgg_preprocessing,
}
またtrain_image_classifier.pyからpreprocessing_factory.get_preprocessing()
の使用を確認することができます。
preprocessing_name = FLAGS.preprocessing_name or FLAGS.model_name
image_preprocessing_fn = preprocessing_factory.get_preprocessing(
preprocessing_name,
is_training=True)
...
image = image_preprocessing_fn(image, train_image_size, train_image_size)
はい、画像をセンターする(正規化する)必要があります。モデルコンバージェンスを向上させるために行う必要があります。
ResNetため、この画像処理動作のためにはデフォルトtf-slim
方法がない場合、あなたはthisバリアント
に基づいて独自の実装を行うことができる。また、(_mean_image_subtraction(image, means)
から)means
をカウントするより有用である全体の訓練のためにバッチではなく、単一の画像またはデータセット全体に対して使用します。
、手段を減算する必要がある場合。多くのフレームワークが元のモデルを調整し、すべてのResNetモデルから同じ平均値を差し引くことができます。したがって、それがtf-slimで行われなければならないかどうかを知ることは理にかなっています。そうであれば、特定のネットワークの平均値は何ですか? –
特定のネットワークではなく、特定のデータセットの数をカウントする必要があります。正規化を行うもう1つの方法については[こちら](http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#cv2.normalize)をご覧ください。 – Dmitry
ネットワークでは、ネットワークが最初に訓練された画像。転送学習では、元のデータセットから手段を差し引くことが非常に標準的な方法です。参考までに - https://github.com/vlfeat/matconvnet/issues/485 –
- 1. Qooxdooイメージセンタリング
- 2. ResNet RGBのテンソルフロースリム
- 3. マップボックス注釈イメージセンタリング
- 4. テンソルフロースリムinception_v3モデルエラー
- 5. テンソルフロースリムとアサーションエラー
- 6. テンソルフロースリムと半精度
- 7. ResNet50ナノ損失ケラス2
- 8. テンソルフロースリム事前訓練されたアレックスネット
- 9. MobileNetとSqueezeNetとResNet50 vs Inception v3とVGG16
- 10. ユーザーはどのようにテンソルフロースリムでドロップアウトできますか?
- 11. resnet50モデルで微調整する方法は?
- 12. テンソルフロースリムを使ってラベル機能を追加する
- 13. Resnet50を使ったKeras Transferの学習は例外で失敗する
- 14. keras - モデルは文句を言わない私は、標準ResNet50モデル取った
- 15. ResNet50 kerasからは予測と出力で異なる結果が出る
- 16. ResNet50(notop)にFlattenレイヤーを追加してエラーを取得してください
- 17. テンソルフロースリムを使ってゼロからモデルを訓練することはできません
- 18. 番号iがResnet50に基づいてモデルを構築するkerasを使用していKeras
- 19. ResNet50 Kerasはどのようにして1000個のimagenetクラスすべてではなく、2つのクラス(猫と犬)で画像を分類するだけですか?
- 20. KerasはTimeDistributedでCNNをプレトレインします
- 21. 画像取得のためのconvnnetからの機能を改善するには?
- 22. は、入力はSystemErrorをインポート:親モジュール「」ロードされていない、相対的なインポートを実行することはできません
- 23. ?
- 24. Kerasでモデルを定義する
- 25. コアML iOS 11で画像が正しく認識されない
- 26. ケラスでモデルを定義する(include_top = True)
- 27. 一般的な事前学習画像モデルの抽出された特徴は異なる結果を与える
- 28. MobileNet ValueError:ターゲットを確認するときにエラーが発生しました:dense_1が4次元であると予想されましたが、形状(24,2)の配列を持っていました
- 29. CoreML:1つのプロジェクトで2つの機械学習モデル(mlmodelファイル)を使用できますか?
- 30. Matlab:分類にGPUメモリが不十分です
パーフェクト。これは私が探していたものです。それはResNetsのためにもvgg_preprocessingを持っているのでとても奇妙です。彼らはこれの総称を置くべきだった。 –