使用图像和其他特征进行分类

我想使用图像和其他特征来对图像进行分类。我正在使用CNN来对图像进行分类。但是,我如何将其他特征整合到我的模型中呢?例如,如果我在对图像进行分类时,我拥有的特征包括:

1.图像

2.年龄

3.性别

一个简单的做法是:

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,因为这些特征并不属于图像的一部分。

我想做的是将年龄和性别与图像一起用于分类。我使用keras来创建我的模型。如何创建我的模型呢?


回答:

你完全可以将其他特征与像素值堆叠在一起。一个好的卷积神经网络会从输入中学习模式和更好的特征。

你也可以尝试在卷积网络的最后一层添加这些特征以获得输出。可以尝试这两种方法。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注