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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注