featurizeImage : transformation d’image de caractérisation Machine Learning

  • Article

Génère des fonctionnalités pour une image à l’aide d’un modèle de réseau neuronal profond pré-entraîné.

Utilisation

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

Arguments

var

Variable d’entrée contenant des valeurs de pixel extraites.

outVar

Préfixe des variables de sortie contenant les caractéristiques de l’image. Si null, le nom de la variable d’entrée sera utilisé. La valeur par défaut est NULL.

dnnModel

Le réseau neuronal profond pré-formé. Les options possibles sont les suivantes :

Détails

featurizeImage génère des fonctionnalités pour une image à l’aide du modèle spécifié de réseau neuronal profond pré-entraîné. Les variables d’entrée de cette transformation doivent être des valeurs de pixel extraites.

Valeur

Un objet maml définissant la transformation.

Auteur(s)

Microsoft Corporation Microsoft Technical Support

Exemples


 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")