根据我对用于图像分类的无监督 DNN 的理解：
- 输入层是一个 4,096 维向量（用于 64 x 64 图像）
- 隐藏层代表由反向传播识别的低得多的“特征”
- 由于模型是生成的，输出层也是 64 x 64 的图像
因此，如果我们缺乏标记数据，我们如何预测新的未见过图像包含特定的图像类别（例如猫）？
我们如何使用无监督的深度神经网络预测图像中的内容？
数据挖掘
机器学习
图像分类
计算机视觉
图像识别
2022-02-15 09:10:16
1个回答
经过大量阅读，我想我现在明白了。我们真的需要建立 2 个模型。
模型 1
- 无监督
- 大量未标记的图像
- 用于“学习特征”（即比我们通过多年研究手动完成的更好，例如边缘检测、颜色特征等）。
模型 2
- 监督
- 很少有标签的图像
- 使用模型 1 作为“特征提取器”。即通过模型1传递训练图像并将输出层用作特征向量。
- 使用相同的方法测试图像，例如模型 1 提取特征，然后使用第二个模型输出标签预测
其它你可能感兴趣的问题