Добавить слой регрессии в MatConvNet

Я разработал систему обнаружения улыбки. эта система основана на глубоком обучении и была реализована компанией MatConvnet. Последний слой является выходом системы и имеет 10 выходов в зависимости от количества улыбки человека. Я хочу преобразовать эти десять выходных данных в числовой вывод в диапазоне от 1 до 10 с помощью слоя регрессии. Как я могу сделать это в MatConvNet. Спасибо


machine-learning regression supervised-learning matconvnet
person MHS    schedule 07.04.2015    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Для слоя регрессии вам придется заменить последний слой (обычно softmax или softmaxloss) CNN своим собственным слоем для регрессии.

Чтобы определить свой собственный слой в MatConvNet, вам необходимо иметь следующее:

  1. Функция потерь
  2. Градиент этой функции потерь

Популярным выбором функции регрессионных потерь является возврат ошибки в квадрат. Вы должны посмотреть, как softmaxloss реализовано в MatConvNet и как оно вызывается в examples/cnn_train.m. Более подробную информацию можно найти в документах MatConvNet и в кратком руководстве по обратному распространению квадратичных потерь здесь< /а>.

Предложение: это не ответ на ваш вопрос. Однако, учитывая вашу проблему, проще преобразовать вашу 10 выходную классификацию в оценку, чем обучать регрессию всей CNN.

Назначьте номера от 1 до 10 вашим 10 классам улыбок. CNN даст апостериорную вероятность P(1...10) по всем этим классам для входного изображения. Просто возьмите взвешенную сумму над метками классов ( 1 * P (1) + 2 * P (2) + ....), чтобы получить действительное число для количества улыбки.

person AruniRC    schedule 30.04.2015