如何使用附加的分类/数字特征来训练CNN模型？

-1

除了RGB中的图像本身之外，我还拥有附加每幅图像的元数据/分类/数字特征的列表。如何使用附加的分类/数字特征来训练CNN模型？

例如当地时间，拍照时的星期几，照片的GPS /城市名称以及照片的简要说明（由人写）。

你如何训练一个使用tensorflow的CNN模型和附加功能？

2017-08-29 samol

一般来说，灵活地将所有各种特征（图像，时间，描述等）包含到一个模型中是一个难题。 CNN仅用于从图像中提取信息。像卷积，合并等操作只能应用于图像，并需要大量的努力来设计概括。

但是，CNN确实可以帮助您总结图像中包含的信息。您可以使用CNN的预测作为您的功能，并以另一种模式提供。

2017-08-29 21:10:06

这意味着感。因此，我将使用CNN模型的输出并将其输入到另一个模型中，并与其他分类或连续特征一起进行预测。但是，您将使用什么作为CNN模型的标签？换句话说，CNN模型预测的是什么？ – samol

使用ResNet，您可以为图片指定一个标签;使用Fast-RCNN，您可以检测视频中的对象。 CNN有太多的事情要做，所以没有一个一劳永逸的答案。这真的取决于你的应用程序。 –

回答