CNN feature extractor

CNN feature extractor tar bilder och en valt CNN-modell och producerar numeriska funktionsvektorer från en definierad lager. Den riktar sig till ML-pipelines, inklusive överföringsinlärning, bildlikhetssökning, klustring och utforskande dataanalys. Utvecklare som bygger bildsökssystem, forskare som utvärderar lagerrepresentationer och data scientists som förbehandlar data använder den.
Konceptuellt förbehandlas indata, viktbelastningar laddas, bilden passerar nätverket och aktiveringen från den begärda lagret fångas. Valfri global pooling eller flattening omvandlar spatiala kartor till en fast storlek vektor; normalisering kan tillämpas för konsistens över dataset. För varianter av ResNet, VGG och EfficientNet möjliggör per-lager embeddings direkt jämförelse av representationer över arkitekturer.
Fördelarna inkluderar reproducerbara per-lager embeddings för uppgifter som klassificering, återfinding eller klustring, deterministisk förberedelse, stöd för flera utdataformat och valfri dimensionsreducering. Kärnfunktioner omfattar enkel- eller batchbearbetning, GPU-acceleration och caching av resultat för upprepade experiment. Användningsfall spänner från snabb feature-extraktion för en ny klassificerare till storskalig embedding-generering för likhetsökning över dataset.