Cos'è l'incorporamento dell'immagine?

1. Image Embedding

Lista delle immagini e le carica o le valuta localmente su un server remoto. I modelli di apprendimento profondo per ogni immagine sono utilizzati per misurare una matrice. Restituisce una tabella di dati a colonne migliorata (descrittori di immagini).

Le foto possono essere importate con un widget per importare foto o come percorsi di immagini in una tabella. In questo caso, è necessaria una colonna a tre file con tipo = etichetta immagine nella terza riga nella direzione dell'immagine.

Image Embedding fornisce diversi embedder, ognuno per un particolare compito appreso. Le foto vengono inviate a un server dove viene calcolata la rappresentazione vettoriale, o valutate localmente sul computer dell'utente. SqueezeNet embedder offre una semplice valutazione sui computer che non hanno bisogno di una connessione a Internet. È necessaria una connessione a Internet se si desidera utilizzare embedder diversi da SqueezeNet. Le foto inviate al server non vengono salvate.

1. Il numero di immagini incorporate e il contenuto mancato.

2. Impostazioni:

• Image Attribute: attributo dell'immagine da aggiungere.
• Incorporatore:
  • SqueezeNet: Piccolo e veloce modello di riconoscimento delle immagini addestrato su ImageNet.
  • Inception v3: modello di formazione ImageNet v3 da Google Inception.
  • VGG-16: Modello qualificato ImageNet di riconoscimento immagini a 16 strati.
  • VGG-19: Piattaforma di riconoscimento immagini a 19 strati certificata ImageNet.
  • Painters: modello qualificato per prevedere pittori d'arte' immagini.
  • DeepLoc: modello che è stato appreso per analizzare immagini di cellule di lievito.

3. Per iniziare l'inserimento, spunta la casella a sinistra. In alternativa, premere Submit. Seleziona Cancel per rimuovere l'incorporamento.

2. Incorporatori

• InceptionV3 Questa è una rete neurale profonda di riconoscimento delle immagini di Google. Il set di dati ImageNet è qualificato. Il modello che usiamo può essere trovato qui. Per l'embedding delle immagini con i vettori usiamo le attivazioni sul penultimo strato del modello.
• SqueezeNet È un modello profondo di riconoscimento delle immagini che raggiunge la precisione di AlexNet su ImageNet con 50 volte meno parametri. Il modello viene insegnato dalla raccolta di dati di ImageNet. Con il peso del modello preaddestrato dell'autore, abbiamo reimplementato SqueezeNet. Usiamo attivazioni pre-softmax (flatten10) come strato di integrazione.
• VGG16 & VGG19 Sono reti di riconoscimento di immagini neurali profonde proposte dalla comunità di geometria visiva dell'Università di Oxford. Sono istruite nella raccolta dati di ImageNet. Usiamo la creazione di gruppo di reti ponderate iniziali. Usiamo l'attivazione dello strato preliminare-fc7 come embedding. L'embedding delle immagini coinvolge i pittori, un embedder addestrato da 1.584 pittori su 79.433 immagini e premiato da Kaggle Painters per i numeri. Le attivazioni del penultimo strato della rete sono utilizzate come incorporazione.
• DeepLoc È una rete convoluzionaria di 21.882 immagini di singole celle, che sono state assegnate manualmente a una delle 15 aree di localizzazione. Usiamo la rete di scrittori che è pre-addestrata. Le integrazioni sono attivazioni di livello fc 2.

3. Esempio

Prima posso importare immagini da una scheda Importa immagini. All'interno di una cartella chiamata fruits, ho tre immagini di un'arancia, una banana e una fragola. Devo sottoporre una tabella di dati a colonne di immagini a Image embedding da Import Pictures.

Ho intenzione di utilizzare l'embedder predefinito di SqueezeNet. Il widget continuerà a recuperare i vettori dal server automaticamente.

Si visualizzeranno i dati migliorati in una tabella dati una volta che il calcolo è completato. È possibile avviare qualsiasi metodo di apprendimento arancione con l'incorporamento incorporato. Di seguito un esempio di clustering.