CNN feature extractor

Le CNN feature extractor reçoit des images et un modèle CNN sélectionné pour générer des vecteurs de caractéristiques numériques à partir d'une couche définie. Il cible les pipelines ML, y compris l'apprentissage par transfert, la recherche de similarité d'images, le clustering et l'analyse exploratoire des données. Il est utilisé par les développeurs qui créent des systèmes de recherche d'images, les chercheurs évaluant les représentations des couches et les data scientists prétraitant des ensembles de données.
Conceptuellement, il prétraite les entrées, charge les poids du modèle, fait passer l'image dans le réseau et capture l'activation de la couche demandée. Un pooling global optionnel ou un flattening convertit les cartes spatiales en un vecteur de taille fixe; la normalisation peut être appliquée pour assurer la cohérence entre les jeux de données. Pour les variantes de résnet, vgg et efficientnet, les embeddings par couche permettent une comparaison directe des représentations entre architectures.
Les bénéficiaires incluent les ingénieurs ML, les data scientists et les chercheurs qui exigent des embeddings par couche reproductibles pour des tâches en aval comme la classification, la récupération ou le clustering. La valeurUnique réside dans l'extraction par couche avec prétraitement déterministe, le support de plusieurs formats de sortie et la réduction dimensionnelle optionnelle. Les fonctionnalités clés couvrent le traitement d'une seule image ou par lots, l'accélération GPU et la mise en cache des résultats pour des expériences répétées. Les cas d'usage vont de l'extraction rapide de caractéristiques pour un nouveau classificateur à la génération d'embeddings à grande échelle pour la recherche de similarité sur des ensembles de données.