画像を 15 個までのクラスのいずれかに分類する画像分類器を構築したいと考えています。ラベル付けされた大規模なトレーニング コーパスがあります。そのため、Caffe やその他のディープ ラーニング ライブラリを使用して、ディープ ニューラル ネットワークのトレーニングを行うことができます。
私たちが検討しているもう 1 つのオプションは、一般的な画像から特徴を抽出するための既存の特徴抽出モデルが公開されているかどうかを確認することです (画像の大規模なコーパスに対してトレーニングされたオートエンコーダーなど)。そうすることで、次元削減を行うことができ、特徴の数が少ないため (次元の呪い)、より少ないトレーニング データでより単純な分類モデルをトレーニングに使用できるようになります。
見られる唯一の欠点は、データの確率分布が、オートエンコーダー/特徴抽出器のトレーニングに使用されるデータセットと、教師あり学習の問題に使用するデータセットとの間で大幅に異なる場合、全体的なパフォーマンスがあまり良くない可能性があることです。一方で、複雑なディープ ニューラル ネットワークをトレーニングする必要がないという利点があります。特徴抽出を使用すると、残りの作業をランダム フォレストなどの通常の分類アルゴリズムで行うことができます。
したがって、私の質問は基本的に次のとおりです。特定の画像の特徴を抽出するモデルを誰かが既にトレーニングした (そして再利用できるようにした) 人はいますか?