1) Directly using the features extracted from the pretrained CNNs:
直接利用matconvnet工具箱中的在Imagnet数据集上训练好的各种深度学习网路模型(全连接层)来提取场景图像的最终特征,其实质是把深度网络模型作为一种特征提取器。
2) Reprocessing the features extracted from the pretrained CNNs:
直接利用matconvnet工具箱中的在Imagnet数据集上训练好的各种深度学习网路模型(卷积层)特征作为场景图像的中层特征,进一步对其进行编码处理(BOVW,FV,VLAD)来获取场景图像的最终特征。
3) Fine tuning the pretrained CNNs:
固定深度模型的前面层,对后面的层进行微调从而更好的提取场景图像的最终特征。
4) Training CNNs from scratch:
直接利用原始的场景图像数据集重新训练一个深度网络模型
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)