Neural network 从卷积神经网络（CNN）中提取特征，并将此特征用于其他分类算法_Neural Network

Neural network 从卷积神经网络（CNN）中提取特征，并将此特征用于其他分类算法

neural-network

Neural network 从卷积神经网络（CNN）中提取特征，并将此特征用于其他分类算法,neural-network,Neural Network,我的问题是，我们是否可以使用CNN进行特征提取，然后将提取的特征作为另一种分类算法（如SVM）的输入谢谢是的，这一点已经做了，并且在一些研究论文中得到了很好的记录，如和。两者都表明，使用CNN功能在一个数据集上训练，但在另一个数据集上测试，通常表现非常好或超过了最先进的水平通常，您可以在最后一层之前从层中提取特征，对其进行规范化，并将其与另一个分类器一起使用另一个相关的技术是微调，即在训练网络后，最后一层被替换并重新训练，但前一层的权重保持不变。是的，这已经完成，并且在一些研究论文中有很好

我的问题是，我们是否可以使用CNN进行特征提取，然后将提取的特征作为另一种分类算法（如SVM）的输入

谢谢

是的，这一点已经做了，并且在一些研究论文中得到了很好的记录，如和。两者都表明，使用CNN功能在一个数据集上训练，但在另一个数据集上测试，通常表现非常好或超过了最先进的水平

通常，您可以在最后一层之前从层中提取特征，对其进行规范化，并将其与另一个分类器一起使用

另一个相关的技术是微调，即在训练网络后，最后一层被替换并重新训练，但前一层的权重保持不变。

是的，这已经完成，并且在一些研究论文中有很好的记录，如和。两者都表明，使用CNN功能在一个数据集上训练，但在另一个数据集上测试，通常表现非常好或超过了最先进的水平

通常，您可以在最后一层之前从层中提取特征，对其进行规范化，并将其与另一个分类器一起使用

另一个相关技术是微调，即在训练网络后，最后一层被替换并重新训练，但前一层的权重保持不变