پیشنهاد مدل برای آموزش شبکه با لندمارک های نرمال شده

Question

سلام.

با تشکر از جناب مولایی جهت اراپه روشی برای نرمال سازی لندرمارک در ادامه قصد دارم از طریق این لندمارک های نرمال شده حالات چهره افراد را تشخیص بدیم تعداد انکرهای لندرمارک ۶۳ عدد و تعداد حالات ۱۰می باشد تعداد تصاویر ۲۰۰۰ تا روش پیشنهادی شما برای آموزش مدلی که متناسب با این کار باشه چیه؟

Answer 1

در مسئله شما چون با محتوی تصویر طرف نیستم  در واقع اطلاعات ورودی اسپارس هستند. نیازی به کانولوشن نداریم که بوسیله آن از تصاویر برای شبکه فیچر ایجاد کنیم بلکه خودمون از قبل فیچر را در قالب لندمارک استخراج کردیم دو تا بلوک fully_connected بزارید با یک softmax مسئله شما حل میشه 

     model = Sequential()
    
	landmark_count = 63
	num_class = 10
    model.add(Dense(256, activation='relu', input_dim=landmark_count *2)

    model.add(Dropout(0.1))

    model.add(Dense(256, activation='relu'))

    model.add(Dropout(0.1))



    model.add(Dense(num_class, activation='softmax'))


    model.compile(loss='mean_squared_error',
                  optimizer='adam',
                  metrics=['accuracy'])



    model.fit(x_train, y_train, validation_data=[x_test, y_test], epochs=6000, verbose=1,      shuffle=True,batch_size=128)