将图像特征提供给训练的张量流

Question

是否有可能将图像特征（例如SIFT特征）提供给Tensorflow中的卷积神经网络模型？我正在尝试this project的张量流实现，其中灰度图像被着色。图像特征是否比将图像输送到模型更好？ PS。我是机器学习的新手，不熟悉创建神经n / w模型

Answer 1

你可以提供几乎任何东西的张量流神经网络。 如果每个像素都有额外的功能，那么您可以使用多个通道而不是使用一个通道（强度）。

如果您有关于整个图像的额外功能，则可以在某个上层单独输入合并功能。

至于更好的性能，你应该尝试两种方法。 一般的直觉是，如果你没有很多样本，额外的功能有帮助，如果你有很多样本，网络可以自己学习功能，它们的效果就会减弱。

还有一点：如果你是新手，我强烈建议使用更高级别的框架，比如keras.io（这是一个覆盖张量流的层）而不是张量流。