Machine learning 图像聚类中的亲和传播_Machine Learning_Scikit Learn_Data Science_Unsupervised Learning

Machine learning 图像聚类中的亲和传播

machine-learning scikit-learn

Machine learning 图像聚类中的亲和传播,machine-learning,scikit-learn,data-science,unsupervised-learning,Machine Learning,Scikit Learn,Data Science,Unsupervised Learning,该链接描述了一种使用亲和传播进行图像分类的方法。我不明白他们是如何得到特征向量的，也就是图像的数据结构，比如数组此外，如果我不能使用Places365作为自定义数据（音频频谱图），我将如何实现这一点最后，我将如何像在图表中那样绘制图像？图像通过神经网络传递。图像神经网络层的激活是特征向量。有关示例，请参见光谱图可以像图像一样处理有时，即使域非常不同，神经网络功能也可以提取有用的信息，帮助您完成聚类/分类任务。它们是如何绘制图像的，我应该选择哪种神经网络？我对无监督学习真的很陌生。它是一个

该链接描述了一种使用亲和传播进行图像分类的方法。我不明白他们是如何得到特征向量的，也就是图像的数据结构，比如数组

此外，如果我不能使用Places365作为自定义数据（音频频谱图），我将如何实现这一点

最后，我将如何像在图表中那样绘制图像？

图像通过神经网络传递。图像神经网络层的激活是特征向量。有关示例，请参见

光谱图可以像图像一样处理

有时，即使域非常不同，神经网络功能也可以提取有用的信息，帮助您完成聚类/分类任务。

它们是如何绘制图像的，我应该选择哪种神经网络？我对无监督学习真的很陌生。它是一个以图像为注释的散点图。你可以使用任何著名的神经网络。在Imagenet上培训的VGG16或Inception可能适用于您的用例他们使用365维向量的原因是什么？因为他们使用的是为Places 365数据集培训的网络的最后一层。最后一层有365个输出导致365-d向量。