【发布时间】：2019-10-15 09:42:13
【问题描述】：
链接here 描述了一种使用亲和传播进行图像分类的方法。我对他们如何获得特征向量感到困惑，即图像的数据结构，例如数组？
此外，鉴于我无法使用 Places365 作为自定义数据（音频频谱图），我将如何实现这一点？
最后，我将如何绘制它们在图中所做的图像？
【问题讨论】：
标签： machine-learning scikit-learn data-science unsupervised-learning
【发布时间】：2019-10-15 09:42:13
【问题描述】：
图像通过神经网络传递。图像的神经网络层的激活是特征向量。有关示例，请参阅https://keras.io/applications/。
可以将频谱图视为图像。
有时即使领域非常不同，神经网络特征也可以提取有用信息，帮助您完成聚类/分类任务。
【讨论】：
-
他们是如何绘制图像的，我应该选择什么神经网络？我对无监督学习真的很陌生。
-
这是一个以图像作为注释的散点图。 stackoverflow.com/questions/48180327/…
-
你可以使用任何知名的神经网络。在 Imagenet 上训练的 VGG16 或 Inception 可能适用于您的用例
-
他们使用 365 维向量有什么原因吗？
-
因为他们使用的是为 Places 365 数据集训练的网络的最后一层。最后一层有 365 个输出，导致 365 维向量。