如何将从cnn密集层提取的特征传递给另一个cnn？

Question

我实现了一个用于多标签图像分类的 cnn-1。然后我从密集层中提取特征并得到一个形状。 [600,1024]

600 = 总图像

我对此使用了 PCA 并得到了形状 [600,1]。

现在我将它传递给 svm，准确率非常低，只有 20%。

我想将此传递给 cnn 并检查准确性。请帮助我。

Answer 1

您可能需要重新考虑很多事情。首先，PCA 应该提出一个单一的数字，它必须承担代表您的 1024 个数字的负担。这在天文学上是困难的，您可能不得不重新考虑将数据投影到如此低的维度。 CNN 永远不会使用单个数字作为输入。要回答您的评论，要将 cnn1 特征传递给 cnn2 您不会展平向量（这意味着您不会有形状 (600, 1024) 的输出，而是像 (600,3,32,32) 这样的数字，其中 3 代表输入过滤器（即带有颜色的图片中的 R G B，这 32 个代表 2D 情况——因为你提到了图像分类，我假设 2D convs——图像大小）。卷积层允许您定义输出过滤器。这是我们的第二个数字例子。卷积后的图像大小取决于其他参数，例如内核大小和步幅，暂时不要担心。关键是如果你想让你的图像在你的第一个之后通过第二个卷积层，你需要确保您的第二个 conv 层接受第一个 conv 层的输出过滤器作为输入过滤器。根据我提供的数据，我只能告诉你。再一次，使用 PCA 从维度 1024 到维度 1 不是推荐，至少不是我推荐的。