featurizeImage: Transformasi Fiturisasi Gambar Pembelajaran Mesin
Menampilkan gambar menggunakan model jaringan neural dalam yang telah dilatih sebelumnya.
Penggunaan
featurizeImage(var, outVar = NULL, dnnModel = "Resnet18")
Argumen
var
Variabel input yang berisi nilai piksel yang diekstrak.
outVar
Awalan variabel output yang berisi fitur gambar. Jika null, nama variabel input akan digunakan. Nilai defaultnya adalah NULL
.
dnnModel
Jaringan neural dalam yang telah dilatih sebelumnya. Opsi yang mungkin adalah:
"resnet18"
"resnet50"
"resnet101"
"alexnet"
Nilai defaultnya adalah"resnet18"
. LihatDeep Residual Learning for Image Recognition
untuk detail tentang ResNet.
Detail
featurizeImage
menampilkan gambar menggunakan model jaringan neural dalam yang telah dilatih sebelumnya yang ditentukan. Variabel input untuk transformasi ini harus diekstrak nilai piksel.
Nilai
Objek maml
yang menentukan transformasi.
Penulis
Microsoft Corporation Microsoft Technical Support
Contoh
train <- data.frame(Path = c(system.file("help/figures/RevolutionAnalyticslogo.png", package = "MicrosoftML")), Label = c(TRUE), stringsAsFactors = FALSE)
# Loads the images from variable Path, resizes the images to 1x1 pixels and trains a neural net.
model <- rxNeuralNet(
Label ~ Features,
data = train,
mlTransforms = list(
loadImage(vars = list(Features = "Path")),
resizeImage(vars = "Features", width = 1, height = 1, resizing = "Aniso"),
extractPixels(vars = "Features")
),
mlTransformVars = "Path",
numHiddenNodes = 1,
numIterations = 1)
# Featurizes the images from variable Path using the default model, and trains a linear model on the result.
model <- rxFastLinear(
Label ~ Features,
data = train,
mlTransforms = list(
loadImage(vars = list(Features = "Path")),
resizeImage(vars = "Features", width = 224, height = 224), # If dnnModel == "AlexNet", the image has to be resized to 227x227.
extractPixels(vars = "Features"),
featurizeImage(var = "Features")
),
mlTransformVars = "Path")