深度学习以图搜图系统界面展示:
目录
文章目录
前言
深度神经网络可以通过对大规模的图像数据进行自适应学习,“记忆”并“抽象”图像特征,形成权重参数,进而实现分类识别、目标检测等。以图搜图一般指对输入的图像进行特征提取,并与已构建的图像数据库进行对比,按相似度从高到低进行排序并返回,进而实现所见即所想式的直观检索。目前已有多个以图搜图应用,例如百度识图、以图搜衣、以图搜车等。
接下来手把手教你实现以图搜图系统,深度神经网络进行拆分式研究,将其在中间过程中学习到的特征图进行可视化呈现,分析深度神经网络的工作原理,并根据其特征提取的有效性进行以图搜图实战。
一、人脸特征提取?
人脸识别是深度学习的重要应用场景之一,目前已被广泛应用于现实生活中,例如人脸门禁、刷脸支付等。为了探讨深度神经网络特征计算的有效性,这里选择人脸图像及 AlexNet 进行分析,激活并呈现 conv、relu 等层的特征图。
1.1 数据集加载
(1)加载 AlexNet:
net = alexnet
net =SeriesNetwork - 属性:
Layers: [25*1 nnet.cnn.layer.Layer]
通过 deepNetworkDesigner 查看网络的结构,并选择 conv1、