次の方法で共有

featurizeImage: Machine Learning による画像の特徴付け変換

事前トレーニング済みのディープ ニューラル ネットワークモデルを使用して、画像を特徴化します。

使用方法

  featurizeImage(var, outVar = NULL, dnnModel = "Resnet18")

引数

var

抽出されたピクセル値を含む入力変数。

outVar

画像の特徴を含む出力変数のプレフィックス。 null の場合は、入力変数名が使用されます。 既定値は NULL です。

dnnModel

事前トレーニング済みのディープ ニューラル ネットワーク。 オプションは次のとおりです。

説明

featurizeImage では、指定された事前トレーニング済みのディープ ニューラル ネットワーク モデルを使用して、画像を特徴化します。 この変換に対する入力変数は、ピクセル値を抽出する必要があります。

値

変換を定義する maml オブジェクト。

作成者

Microsoft Corporation Microsoft Technical Support

例


 train <- data.frame(Path = c(system.file("help/figures/RevolutionAnalyticslogo.png", package = "MicrosoftML")), Label = c(TRUE), stringsAsFactors = FALSE)

 # Loads the images from variable Path, resizes the images to 1x1 pixels and trains a neural net.
 model <- rxNeuralNet(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 1, height = 1, resizing = "Aniso"),
         extractPixels(vars = "Features")
         ),
     mlTransformVars = "Path",
     numHiddenNodes = 1,
     numIterations = 1)

 # Featurizes the images from variable Path using the default model, and trains a linear model on the result.
 model <- rxFastLinear(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 224, height = 224), # If dnnModel == "AlexNet", the image has to be resized to 227x227.
         extractPixels(vars = "Features"),
         featurizeImage(var = "Features")
         ),
     mlTransformVars = "Path")
  • Last updated on