我想同时使用图像和其他特征来对图像进行分类。我正在使用CNN对图像进行分类。但是我如何将其他特性集成到我的模型中呢?例如,如果我正在对图像进行分类,我拥有的特征是:
1.Images
2.Age
3.Sex
一种天真的方法是:
x_combined = np.vstack((age_sex,x)) 但是,将x_combined输入到我的CNN模型中是没有帮助的,因为这些特征不是图像的一部分。
我想做的是同时使用年龄和性别以及图像进行分类。我使用keras来创建我的模型。如何创建我的模型?
发布于 2018-01-27 14:26:36
您可以很好地将其他功能与像素值堆叠在一起。一个好的Conv网络将从输入中学习模式和更好的特征。
您还可以尝试在Conv net的最后一层添加这些功能,以获得输出。尝试同时使用这两种方法。
发布于 2018-01-29 22:47:13
除了@janu777建议的第二种方法外,您还可以考虑不同的性别和年龄范围(-10岁,11-18,19-30,31-60,61+)来训练几个CNN。在测试过程中,您只需为年龄和性别选择特定的型号。
如果来自不同年龄和性别的数据可能呈现出专门的CNN可以学习的不同模式,那么这背后的理由是什么。理论上,单个CNN应该能够学习数据中的所有这些模式,但这将需要大量的训练样本,而这些样本并不总是可用的。
这个想法的一个很大的缺点是,你需要你想要训练的每一个性别/年龄组合的数据。缺乏代表性的数据可能会使你的模型表现不佳。
https://stackoverflow.com/questions/48473090
复制相似问题