Я изучаю классификацию по нескольким меткам и хочу реализовать алгоритм Цепочки классификаторов .Я реализовал модель бинарной релевантности, используя TensorFlow, используя ResNet-50, предварительно обученный в ImageNet.
Я заинтересован в расширении этого подхода для использования цепочек классификаторов, которые объединяют каждый вектор признаков с выходными данными всех предыдущих двоичных классификаторов и обучают этому.
На данный момент моя форма входного векторного объекта - (?, 3,224,224).Так как же мне объединить выходные данные предыдущих классификаторов при сохранении совместимой формы?Я использую пользовательский tf.estimator.Estimator, поэтому мне необходимо обновить входной конвейер, чтобы он также поддерживал это.
Например, нужно ли мне сгладить форму ввода и добавить вектор, представляющийпредыдущие прогнозы классификаторов по цепочке?Это влияет на производительность?Я строю на графическом процессоре и, насколько мне известно, он требует формы channel_first.
Я уверен, что, вероятно, уместно спросить, подходят ли цепочки классификаторов для использования с данными больших размеров, такими как изображения.