Si por “capa inferior”, quiere decir que el final está completamente conectado más tarde, entonces sí puede. De hecho, he hecho esto varias veces, por una razón principal: junto con las predicciones de la clase, puedo obtener puntajes de confianza bastante confiables, en los que puedo establecer un umbral para obtener esencialmente una clase de “Ninguno”.
La forma en que uso el SVM es simple. Primero, entreno la CNN con la conexión completa más tarde, como lo hago normalmente. Después de eso, ejecuto todos mis vectores de entrenamiento a través de la CNN y extraigo el vector justo antes de la capa completamente conectada. Luego uso esos vectores como mis vectores de entrada para entrenar mi SVM.
Entonces, para cualquier imagen nueva, la ejecuto a través de CNN, extraigo el vector antes de la capa completamente conectada y lo ejecuto a través de mi clasificador SVM para obtener una predicción de clase y un puntaje de confianza
- ¿Son buenos los cursos de Machine Learning AZ y Deep Learning AZ de Kirill Eremenko en Udemy?
- ¿Qué campos están siendo afectados por el progreso de la investigación en el procesamiento del lenguaje natural?
- ¿Cómo funciona la red de propuestas regionales (RPN) en Faster R-CNN?
- En reconocimiento facial, ¿son las huellas faciales y los vectores de características lo mismo? Si no, ¿en qué se diferencian?
- Cómo guardar los pesos de los datos de entrenamiento de las pruebas MNIST en Tensorflow para uso futuro
