featurizeImage: trasformazione Machine Learning di evoluzioni delle immagini

Definisce le caratteristiche di un'immagine usando un modello di rete neurale profonda con training preliminare.

Utilizzo

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

Arguments

var

Variabile di input contenente valori in pixel estratti.

outVar

Prefisso delle variabili di output contenenti le caratteristiche dell'immagine. Se null, verrà usato il nome della variabile di input. Il valore predefinito è NULL.

dnnModel

Rete neurale profonda con training preliminare. Di seguito sono elencate le opzioni possibili:

Dettagli

featurizeImage Esetua un'immagine usando il modello di rete neurale profonda con training preliminare specificato. Le variabili di input per questa trasformazione devono essere valori in pixel estratti.

Valore

Oggetto maml che definisce la trasformazione.

Autore/i

Microsoft Corporation Microsoft Technical Support

Esempi


 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")