具有额外“维度”的图像分类

Posted 2023-03-12

【中文标题】具有额外“维度”的图像分类

【英文标题】：Image classification with extra 'dimension'

【发布时间】：2020-09-13 02:29:14

【问题描述】：

我正在基于 TensorFlow 和 Keras 中的 CNN 进行图像分类。我正在对表达情感（快乐、悲伤等）的面孔图像进行分类。这实际上工作得很好，但有些东西我不太明白。

对于每张图片，我还有图片上人物的年龄。我想将此信息（年龄）添加到 CNN。 所以现在 CNN 仅使用图像的像素，但我想让 CNN 将年龄考虑在内。这可能吗/这是什么方法？

我的第一个想法是为图像添加一个额外的维度，随着年龄，但后来我有点卡住了......因为年龄只是一个数字，当然图像中的每一层都是宽 x 高.我可以只添加一个由整个矩阵组成的层，其中每个像素的值都是年龄吗？ 有谁知道这种事情通常是怎么做的……？

提前致谢

【问题讨论】：

一些想法：a) 为图像添加一个通道，该通道包含在一个矩阵中，其中所有值都设置为等于人的年龄。 255 可能代表您考虑的最大年龄，例如100岁。请记住操作归一化和标准化，就像您在正常图像上所做的那样。 b) 在网络末端的全连接层中，将年龄连接为一个额外的特征。记得规范化和标准化。如果您输入一个值，例如78 到这里，事情可能会变得一团糟。

CNN 用于特征提取。如果您确定 CNN 可以同时提取特征和年龄，您可以使用具有多个输入和输出的functional API。 keras.io/guides/functional_api

感谢您的帮助，我一定会检查的！

【参考方案1】：

我会将它添加到 CNN 输出中，即密集层之前的最后一个张量。

在分类中，CNN 被用作特征提取器。目标是，给定一张图像，找到应该传递给密集层的最佳特征向量。所以每个元素都代表你的神经网络的一些东西，一个特征。

如果您想添加任何其他功能，请将其放在那里，让密集层完成工作。

【讨论】：

非常感谢您的帮助。我根据您的信息在 Google 上四处搜索，这对我有很大帮助