[英]How to classify images with Variational Autoencoder
我已經在標記圖像 (1200) 和未標記圖像 (4000) 中訓練了一個自動編碼器,並且我分別保存了兩個模型(vae_fake_img 和 vae_real_img)。 所以我想知道下一步該怎么做。 我知道變分自動編碼器對分類任務沒有用,但特征提取似乎是一個很好的嘗試。 所以這是我的嘗試:
我為我的論文嘗試了很多方法,如果我想在目前的實習中找到一份工作,我真的需要達到很高的准確性。 因此,非常感謝任何建議或指導。 我已經閱讀了很多 Autoencoder 論文,但是沒有完全解釋分類架構(或者我沒有正確理解),我想知道 VAE 的哪一部分包含更多的多分類信息,因為我相信編碼器的潛在空間有比解碼器重建更有用的信息。 我想知道自動編碼器的哪一部分具有更好的最終分類特征提取。
在自動編碼器的情況下,你不需要標簽來重建輸入數據。 所以我認為這些方法可能會略有改進:
Batch
視為條件,用於標記和未標記的數據,並使用 onehot 批數據作為其條件。不要忘記 Batch normalization 和 drop out 層 ps,AE 中最有意義的層是潛在空間。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.