machine-learning - TensorFlow:向预训练的 Inception 模型添加类并输出完整图像层次结构

Question

两个问题:

1) 有谁知道我是否可以将新的图像类添加到预训练的 Inception-v3 模型中？例如，我想在多种国旗上训练 TensorFlow，但我需要确保我仍然可以识别 ImageNet 层次结构中的图像。我意识到有一种方法可以删除 Inception 的顶层并在我的类上完全重新训练模型，但这非常有限且耗时。

2)另外，有没有办法输出包含图像接收的标签的整个层次结构？我不仅希望能够具体看到 Inception 将图像标记为什么，而且还希望看到 ImageNet 中所有更广泛的“同义词集”。例如，我不仅仅看到输出“玩具 Poodle ”，而是对“动物/驯养动物/狗/ Poodle /玩具 Poodle ”感兴趣。

非常感谢任何回复。

Answer 1

1)输出层是softmax，这意味着它有预定义数量的神经元，每个神经元都是针对一个特定类别定义的。从技术上讲，您可以执行 Network Surgery这样它在输出层就多了一个神经元来代表你的新类。但是您必须对网络进行额外的训练，以便它更新所有权重以适应新类别。坏消息 - 可能需要一段时间，因为更新将影响整个网络，而且网络规模巨大。好消息 - 预训练现有网络的这种变化将比从头开始学习所有内容更快。

2) 是什么让您认为这种等级制度确实存在？您无法确定有关数据内部表示的任何信息。当然，您可以检查每个功能中神经元的激活，甚至将它们可视化......但是您必须尝试自己理解这些激活的含义。并且您可能不会找到您期望看到的任何层次结构。综上所述，理解 ANN 如何在内部表示数据并不是一件容易的事。实际上 - 非常困难。

建议进一步阅读: https://github.com/tensorflow/models/tree/master/inception

关注this part文档的内容 - 它与您的 #1 密切相关