問題タブ [densenet]

DenseNet を使用して、Keras でバイナリ分類を行っています。

作成された加重クラス:

その結果、私は

私はモデルをclass_weight

しかし、モデルを評価したいとき、加重モデルclass_weightは履歴の一部であるため、どのように評価すればよいかわかりません。

model_dense_201デフォルトモデルの代わりに加重モデルを使用して、このコードを更新する方法は?

Densenet と Deconv メソッドに基づいて GAN ジェネレーターを作成しようとしています。私はPyTorchが初めてで、理解できません

で提案されているアプローチを試しました

Pytorch TypeError: forward() は 2 つの位置引数を取りますが、4 つが指定されました

しかし、私は解決策を理解できません。

私のコード:

画像で構成されるデータセットがあります。このデータセットでマルチラベル分類を実行しようとしています。しかし、トレーニング ラベルは、CSV ファイル形式のラベルが多すぎます。トレーニング中にこれらのラベルを CSV ファイルで使用する方法が少し難しいと思います。私はいくつかのブログを読みました。著者は、これらのラベルに対してワンホット エンコーディングを実行することを提案しました。今、私はどのように進めるかについて行き詰まっています。以下は、ラベルのスクリーンショットです。

Pytorch を使用した分類のために Densenet121 CNN でトレーニングされたデータセット (X 線画像) の特徴ベクトルを抽出しようとしています。中間層の 1 つから特徴ベクトルを抽出したいと考えています。

model.eval() -->

次のコード ブロックで何らかの作業を行う必要があると思いますが、そのためには助けが必要です。

後で別の関数の入力として使用するために、特徴ベクトルを取得して保存したいと考えています。

ありがとうございました。

私は現在、ImageNet データセットに DenseNet_121 dnn モデルを使用し、画像を分類するために OpenCv の Caffe フレームワークを使用しています。

私の問題は、ImageNet データセットの 1000 個すべてのオブジェクトの確率ではなく、トラなどの特定のオブジェクトがフレーム内にあるかどうかだけを知りたいことです。

これを解決するために、関心のあるオブジェクトを含む別の my_objects.txt ファイルを作成しました。次に、フレーム内に存在する可能性が最も高い ImageNet データセットのオブジェクトがその my_objects.txt ファイルにあるかどうかを確認します。

これの問題は、非常に遅いことです（ラズベリーパイで実行）。私の推測では、モデルが実際に関心のあるいくつかのオブジェクトだけではなく、1000 個のオブジェクトすべての確率を計算しているためです。

モデルから他のオブジェクトを削除してスピードアップする方法はありますか?

私が持っているファイルは次のとおりです。

• DenseNet_121.caffemodel
• DenseNet_121.protobuf
• classification_classes_ILSVRC2012.txt (ImageNet データセットの 1000 個のオブジェクトを一覧表示)
• my_objects.txt (目的の classification_classes_ILSVRC2012 のオブジェクトをリストします)

誰かが私を助けてくれたらありがたいです!