【发布时间】:2019-07-24 23:22:31
【问题描述】:
我是深度学习的新手。我从人脸识别示例开始,我发现基于数据的预训练模型有 2 种类型。 1. 孪生网络一次性学习:我们可以使用很少的数据来训练模型。 2. 卷积神经网络:训练模型需要大量数据。
我们能否将这些方法结合起来,在 tensorflow 中使用 one-shot learning 和 CNN?
【问题讨论】:
标签: python tensorflow conv-neural-network
我是深度学习的新手。我从人脸识别示例开始,我发现基于数据的预训练模型有 2 种类型。 1. 孪生网络一次性学习:我们可以使用很少的数据来训练模型。 2. 卷积神经网络:训练模型需要大量数据。
我们能否将这些方法结合起来,在 tensorflow 中使用 one-shot learning 和 CNN?
【问题讨论】:
标签: python tensorflow conv-neural-network
据我所知,CNN 需要大量数据来训练模型。所以我们无法在 CNN 上实现一次性学习功能
【讨论】:
是的,您可以使用预先训练的 CNN 进行一次性学习,例如 FaceNet 或 Vgg2。使用 Keras,您可以轻松加载这些模型:
from keras_vggface.vggface import VGGFace
model = VGGFace(model='resnet50', include_top=False,
input_shape=(224, 224, 3), pooling='avg')
【讨论】: