Каков наилучший метод объединения функции изображения и функции numeri c с использованием CNN в машинном обучении? - PullRequest
Новая
       98

Каков наилучший метод объединения функции изображения и функции numeri c с использованием CNN в машинном обучении?

0 голосов
/ 21 июня 2020

У меня вот такой вопрос: Например, если необходимо предсказать болезнь, используя как данные изображения, так и некоторые числовые c данные, чтобы функции были примерно такими:

  1. признак 1: изображение болезни. в форме: (размер_пакета, ширина, высота)
  2. характеристика 2: числовые значения c данные о пациенте (возраст, рост, пол, страна, зарплата ...) в форме: (размер_пакета, число_числовых_функций)

и выход модели должен быть 0/1, 0 - исправно, 1 - больно.

Я знаю, что один из способов - использовать плоский элемент в качестве формы: (width * height + number_of_numeric_feature) в этом случае преимущество CNN в классификации изображений не будет использовано. (сеть прямого распространения)

Итак, мой вопрос: есть ли лучшее решение для объединения функции изображения и функции numeri c с использованием CNN? Будет ли полезным добавление функций numeri c в качестве пикселей изображения в один канал функции CNN? в таком случае позиционное расстояние функции numeri c в пикселях не будет иметь никакого смысла, поскольку они не имеют отношения на расстоянии в два пикселя.

1 Ответ

0 голосов
/ 21 июня 2020

Вы не должны использовать ТАКИЕ числовые данные с CNN, как вы сами упомянули, это не имеет никакого смысла, но есть способ, которым вы можете использовать свое изображение с CNN и использовать другую сеть (например, MLP) для числовые данные, в конце вы можете объединить выходные данные MLP и CNN вместе и передать их другому MLP или просто взять средние значения из их вывода и сравнить результаты.

...