1
A
回答
-1
您可以使用一些預先訓練過的模型(例如「InceptionV3」)來提取圖像的特徵,這些特徵可以用作LR的輸入來訓練您自己的標籤。將「InceptionV3」視爲精細調整的圖像特徵提取器,並訓練您的LR部分。 Here是所有預先訓練的模型
+0
也嘗試了這種方法。但是LR要求事先給出標籤。由於所有標籤都是相同的,所以它不是學習。我應該如何提供標籤? –
+0
所以你沒有負面形象訓練LR? –
+0
編號只有一組圖像即狗圖像。 –
相關問題
- 1. Tensorflow分類圖像訓練
- 2. 類似的圖像訓練集生成器
- 3. 使用經過訓練的鑑別來計算概率
- 4. 將不同類的圖像分割成Python中的訓練和測試集
- 5. dlib dnn_face_recognition_ex訓練模型沒有檢測到訓練圖像的人
- 6. 不同維度的圖像訓練SVM
- 7. 用tensorflow訓練您自己的圖像?
- 8. 笨圖像讀取概率
- 9. 如何使用EigenObjectRecognizer訓練圖像
- 10. 如何製作哈爾訓練圖像
- 11. 使用預先訓練的(Tensorflow)CNN的分類圖像
- 12. 用tiff圖像重新訓練初始圖像
- 13. 概率的計算
- 14. 的R - 計算測試MSE給出從訓練集訓練模型和測試集
- 15. R中的模型(試圖計算隨機事件的概率)
- 16. 訓練字母圖像到全批培訓的神經網絡
- 17. 在R中使用mxnet預訓練的圖像分類模型
- 18. 特徵向量:訓練對測試集的權重計算
- 19. 概率計算
- 20. 計算圖像
- 21. 概率包似乎計算錯誤條件概率?
- 22. 訓練圖像方向分類器 - 神經網絡
- 23. 如何恢復訓練模型和計算測試精度Tensorflow
- 24. 計算事件的概率
- 25. 用於測試圖像分類的標準圖像數據庫
- 26. PROC glmselect訓練和測試
- 27. 計算圖像熵
- 28. 計算圖像的銳度
- 29. 如何在OpenCV中使用Caffe框架加載CNN訓練模型用於測試(預測/分類)新圖像?
- 30. 計算累計概率
您需要底片才能訓練這樣的模型。 –
任何其他方法(無監督)? –