featurizeImage: transformação de definição de recursos de imagem de machine learning

Artigo
05/23/2023

Aplica recursos a uma imagem usando um modelo de rede neural profunda pré-treinado.

Uso

  featurizeImage(var, outVar = NULL, dnnModel = "Resnet18")

Argumentos

`var`

Variável de entrada que contém valores de pixel extraídos.

`outVar`

O prefixo das variáveis de saída que contém os recursos de imagem. Se for null, o nome da variável de entrada será usado. O valor padrão é NULL.

`dnnModel`

A rede neural profunda pré-treinada. As opções possíveis são:

"resnet18"
"resnet50"
"resnet101"
"alexnet"
O valor padrão é "resnet18". Confira Deep Residual Learning for Image Recognition para obter detalhes sobre ResNet.

Detalhes

featurizeImage define recursos de uma imagem usando o modelo de rede neural profunda pré-treinado especificado. As variáveis de entrada dessa transformação precisam ser valores de pixel extraídos.

Valor

Um objeto maml que define a transformação.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Exemplos


 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")

Compartilhar via