从特征图的维度很大的卷积层中提取特征的问题

人工智能 卷积神经网络 长短期记忆 特征选择 维度
2021-10-26 01:52:15

我已经在图像上训练了一个卷积神经网络来检测情绪。现在我需要使用相同的网络从图像中提取特征并使用它们来训练 LSTM。问题是：顶层的尺寸是：[None, 4, 4, 512]或[None, 4, 4, 1024]。因此，从该层中提取特征将为每个图像生成一个4 x 4 x 512 = 8192或维向量。4 x 4 x 1024 = 16384显然，这不是我想要的。

因此，我想知道在这种情况下该怎么做以及如何提取大小合理的特征。我应该将全局平均池应用于激活还是什么？

任何帮助深表感谢！

2个回答

我认为让CNN提取大量特征图是可以的，然后你可以从中减少特征。要从 CNN 结果中减少特征，您可以进行特征选择或特征提取。有些人更喜欢使用特征选择并选择最重要的特征图，例如：

希望能帮助到你。

除了关于特征选择的第一个答案之外，您还可以在网络末端添加一个全局最大或平均池化层。这会将维度减少到 512 或 1024。如果这仍然太多，另一种选择是添加一个具有减少通道的额外卷积层，然后进行全局池化。您将不得不试验哪种选项最适合您的数据。

其它你可能感兴趣的问题
上一篇为什么所有动作都收敛到同一个索引？ 下一篇为什么模糊逻辑过时了？