featurizeImage : transformation d’image de caractérisation Machine Learning

Article
05/23/2023

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 :

"resnet18"
"resnet50"
"resnet101"
"alexnet"
La valeur par défaut est "resnet18". Pour plus d’informations sur ResNet, consultez Deep Residual Learning for Image Recognition.

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")

Partager via