featurizeImage: transformación de caracterización de imágenes en el aprendizaje automático

Caracteriza una imagen mediante un modelo de red neuronal profunda previamente entrenado.

Uso

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

Argumentos

var

Variable de entrada que contiene los valores de píxel extraídos.

outVar

Prefijo de las variables de salida que contienen las características de la imagen. Si es NULL, se usará el nombre de la variable de entrada. El valor predeterminado es NULL.

dnnModel

Red neuronal profunda previamente entrenada. Las opciones posibles son:

Detalles

featurizeImage caracteriza una imagen usando el modelo de red neuronal profunda previamente entrenado que se haya especificado. Las variables de entrada de esta transformación deben ser valores de píxel extraídos.

Value

Un objeto maml que define la transformación.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Ejemplos


 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")