1
私は、提供されたメタ情報でCNNをどのように充実させることができるかを非常に理解したいと思います。私が理解しているように、CNNは単に画像を見て、時間、気象条件などの既存のメタパラメータを見ることなくオブジェクトに分類します。どのようにしてメタ情報で畳み込みニューラルネットワークを充実させることができますか?
より正確には、ケラスバックエンドにテンソルフローを持つCNN。私は典型的なConv2DとMaxPoolingレイヤーと完全に接続されたモデルをパイプラインの最後に持っています。それはうまく動作し、私に良い精度を与えます。しかし、私はこれまで使用されていない各画像(画像が撮影されたカメラの製造元)に関する追加のメタ情報を持っています。
このメタ情報をモデルに組み込むための推奨方法は何ですか?私はまだ自分自身で良い解決策を出すことができませんでした。
ありがとうございました!
ありがとうございます!つまり、私は画像+ 1メタ情報を表すK個の特徴を持っています。これは、完全に接続されたレイヤーにK + 1個の入力ノードがあり、そのうちの1つがメタ情報であることを意味します。 – alybel
はい、正確には、画像を表すK機能にさらに情報を追加することもできます。 画像の特徴を抽出するための手段として、完全に接続されたレイヤの「前」の畳み込みネットワークを考えてみましょう。次に、完全に接続されたレイヤーでは、これらのフィーチャーが分類のために一緒に使用されます。 –