CNN feature extractor

CNN feature extractor accepterer billeder og et valgt CNN-model for at producere numeriske funktionsvektorer fra en defineret lag. Den retter sig mod ML-pipelines som overførsel af læring, billedligheds-søgning, clustering og udforskende dataanalyse. Udviklere der bygger billedsøgningssystemer, forskere der evaluerer lagrepræsentationer og data scientists der forbehandler datasæt, bruger den.
Begrebsmæssigt forbehandles inputs, vægtbelastninger indlæses, billedet køres gennem netværket og aktiveringen fra den anmodede lag fanges. Optional global pooling eller flattening konverterer rumlige kort til en fast størrelse vektor; normalisering kan anvendes for konsistens på tværs af datasæt. For varianter af ResNet, VGG og EfficientNet muliggør per-lag embedding direkte sammenligning af repræsentationer på tværs af arkitekturer.
Fordelene omfatter reproducerbar per-lag embedding til klassificering, retrieval eller clustering, deterministisk forberedelse, understøttelse af flere output-formater og valgfri dimensionreduktionsmulighed. Nøglefunktioner inkluderer enkelt- eller batch-behandling, GPU-accelerering og caching af resultater til gentagne eksperimenter. Brugstilfælde spænder fra hurtig feature-ekstraktion til en ny klassifikator til stor-skala embedding-generering til lighedssøgning over datasæt.