CNN feature extractor

CNN feature extractor tar bilder og et valgt CNN-modell inn for å produsere numeriske funksjonsvektorer fra et definert lag. Den retter seg mot ML-pipelines som overføringslæring, bildelikhet, klynger og utforskende dataanalyse. Utviklere som bygger bildesøk-systemer, forskere som evaluerer lagrepresentasjoner og dataforskere som forbehandler datasett, bruker den.
Konseptuelt forbehandler den innganger, laster modellvekter, kjører bildet gjennom nettverket og fanger aktivering fra ønsket lag. Valgfri global pooling eller flattening konverterer romlige kart til en fast størrelse vektor; normalisering kan brukes for konsistens mellom datasett. For varianter av ResNet, VGG og EfficientNet muliggjør per-lag embeddings direkte sammenligning av representasjoner mellom arkitekturer.
Fordeler inkluderer reproducerbare per-lag embeddings for oppgaver som klassifisering, gjenfinning eller klustring, deterministisk forberedelse, støtte for flere utdataformater og valgfri dimensjonsreduksjon. Kjernefunksjoner inkluderer enkel- eller batch-behandling, GPU-accelerasjon og caching av resultater for gjentatte eksperimenter. Bruksområder spenner fra rask feature-ekstraksjon for en ny klassifiserer til stor-skala embedding-generering for likhetsøk over datasett.