CNN feature extractor

El CNN feature extractor toma imágenes y un modelo CNN seleccionado para producir vectores de características numéricos desde una capa definida. Apunta a pipelines ML, incluido transfer learning, búsqueda de similitud de imágenes, clustering y análisis exploratorio de datos. Es utilizado por desarrolladores que crean sistemas de búsqueda de imágenes, investigadores que evalúan representaciones de capas y científicos de datos que preprocesan conjuntos de datos.
Conceptualmente, preprocesa entradas, carga pesos del modelo, pasa la imagen por la red y captura la activación de la capa solicitada. El pooling global opcional o aplanado convierte mapas espaciales en un vector de tamaño fijo; la normalización puede aplicarse para consistencia entre conjuntos de datos. Para variantes de ResNet, VGG y EfficientNet, embeddings por capa permiten comparar directamente representaciones entre arquitecturas.
Los beneficiarios incluyen ingenieros ML, científicos de datos e investigadores que requieren embeddings por capa reproducibles para tareas como clasificación, recuperación o clustering. El valor único reside en la extracción por capa con preprocesamiento determinista, soporte para múltiples formatos de salida y reducción dimensional opcional. Funciones clave: procesamiento de una sola imagen o por lotes, aceleración GPU y almacenamiento en caché para experimentos repetidos. Casos de uso van desde extracción rápida de características para un nuevo clasificador hasta generación de embeddings a gran escala para búsqueda de similitud entre conjuntos de datos.