tensorflow - 图像序列的分类(固定数量)
问题描述
我使用来自 tensorflow_hub 的预训练 resnet50 成功训练了 CNN 进行单个图像分类。
现在我的目标是为我的网络提供按时间顺序排列的图像(不是视频)作为输入,以对主题的行为进行分类。每个序列由每 100 毫秒拍摄的 20 张图像组成。
什么是最好的NN?我在哪里可以找到与我的类似问题的文档/示例?
解决方案
任何时候有顺序数据,某种类型的循环神经网络都是一个很好的候选者(通常以 LSTM 的形式)。
您的模型可能看起来像 CNN-LSTM 的组合,因为您的图片具有某种顺序关系。
这是一些示例和教程的链接。他将在他的示例中设置一个 CNN,但您可能可以装配您的架构以使用您已经制作的 resNet。尽管您不是在处理视频,但您的问题共享同一个域。
这是一篇使用 NN 架构的论文,如上文所述,您可能会觉得有用。
推荐阅读
- phpstorm - 更改文件后目录的PhpStorm蓝色
- android - Emulator Api 19 比 Emulator Api 27 快
- fatal-error - 致命错误:ESP8266WiFi.h:没有这样的文件或目录
- javascript - stepwizard stepPosition 不起作用
- sql - 对于 oracle SQL 中的每个循环,使用动态列显示为输出
- ruby-on-rails - 编辑和删除时对象 ID 混乱
- angular - Angular 5 - 使用默认值验证输入字段
- swift - Swift Firebase 函数错误:NSCocoaErrorDomain
- docker - 文件系统上的 Docker 映像
- informatica-powercenter - 在开始工作流之前是否总是需要在 Informatica 中创建目标数据库表?