Deep learning 基于CNN的词输入回归
我成功地训练了一个带有回归输出层的CNN来预测图像的数值指标。此外，我想将每个图像的描述编码到CNN中，以获得更好的回归性能 我的数据是512 x 512中的一系列x射线图像。每个图像都有一个描述，记录了图像是如何拍摄的。例如，图像#1的描述为 图像#2的描述为 其他图像的描述非常相似，只是参数不同Deep learning 基于CNN的词输入回归,deep-learning,regression,cnn,Deep Learning,Regression,Cnn,我成功地训练了一个带有回归输出层的CNN来预测图像的数值指标。此外，我想将每个图像的描述编码到CNN中，以获得更好的回归性能 我的数据是512 x 512中的一系列x射线图像。每个图像都有一个描述，记录了图像是如何拍摄的。例如，图像#1的描述为 图像#2的描述为 其他图像的描述非常相似，只是参数不同 我的问题是：如何将这些描述编码到CNN中？如果属性只有几十个可能的值，我建议学习每个属性-值对的嵌入，并将它们与CNN输出连接起来，或者在其上添加一个隐藏层，以便文本和图像特征能够更好地相互作用 如
我的问题是：如何将这些描述编码到CNN中？如果属性只有几十个可能的值，我建议学习每个属性-值对的嵌入，并将它们与CNN输出连接起来，或者在其上添加一个隐藏层，以便文本和图像特征能够更好地相互作用 如果文本的结构不是很好，我会用RNN处理文本（即，标记文本，嵌入标记，将它们输入RNN并获取最终状态）。这将为文本描述提供一个向量，可以再次连接到CNN输出
Voltage: 40V
Current: 2A
Shuttle speed: 1 sec
Filter material: rhodium
Voltage: 38V
Current: 1.7A
Shuttle speed: 0.7 sec
Filter material: tungsten