所以我手头有一个 CNN 任务。假设我有一个数据集，其中包含许多类的图片、它们的属性和子属性等。
什么是最先进的/我们如何设计一个系统，首先预测类别，然后基于该类别特定于该类别的属性，例如存在于鸟类中但不存在于人类中的爪等。
这样的系统是如何设计出最低资源利用率的呢？
注意：我的问题不是关于类和属性的预测，而是一个系统的设计，它将预测类然后去预测属于该类的特定属性等等。
设计一个分支 CNN
数据挖掘
机器学习
美国有线电视新闻网
2022-02-23 06:27:25
1个回答
我不确定现在的最新技术是什么，但我遇到了类似的问题，为此我设计了一个神经网络。我所做的是制作一个模型，该模型从输入（在您的情况下为图像）预测类别概率，然后制作另一个模型，该模型同时采用正常输入和我的概率预测。在我将类预测输入特征预测部分后，我看到第二部分的准确度有了很大的提高。
您可以将其设计为具有两个输出的模型，其中类是中间层但仍然是输出。您的损失函数将添加类别预测和特征预测的损失。对类别预测的损失进行加权将导致模型更倾向于正确预测类别而不是其他特征。如果您必须绝对先预测类别然后预测特征，您可以先在类别损失上训练模型，然后在冻结与类别预测相关/之前的权重后再次使用特征损失进行训练。
其它你可能感兴趣的问题