[英]Can I use final pooling layer to find best common features after concatenating deep features vector and handcrafted fetures vector?
我有两个特征向量。 一种是CNN提取的深度特征向量,另一种是统一局部二值模式提取的手工特征。 我想在连接这两个特征向量后找到共同的最佳特征。 出于这个原因,我想使用最终的池化层。 可能吗?
连接两个特征向量后,最终的池化层将有助于减少这些特征向量。
如果您可以定义更多您的目标/您想使用哪个池化层?
我不确定我是否正确理解“最终池化层”的含义
但在我看来,在连接层之后和 output 层之前添加一个池化层(例如,Dense-softmax ...)在这种情况下可能没有多大帮助,因为池化层没有可学习的参数,并且它们在每次激活时运行map 独立地减小激活图的大小。
我想建议一种简单的特征融合方法,即您可以将另一个子网(卷积、池化、密集等层集)应用于级联张量。 因此,model 可以不断学习以增强良好的功能。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.