Uitleg
Feature extraction is het identificeren en extraheren van relevante kenmerken (features) uit onbewerkte data. In computer vision betekent dit het herkennen van patronen in pixels die informatief zijn voor taken.
Eenvoudige features kunnen edennen, hoeken en kleuren zijn. Geavanceerde features geleerd door deep learning CNNs kunnen complexe patronen zoals gezichtsonderdelen of textuur opvangen.
Goed feature extraction bepaalt of je machine learning-model goed zal presteren. Traditioneel moesten engineers features handmatig ontwerpen. Deep learning automatiseert dit: CNNs leren automatisch welke features het meest relevant zijn.
⚡ Voorbeelden
- •Een CNN leert in vroege lagen eenvoudige edges detecteren, in latere lagen complexere vormen als gezichten
- •Transfer learning haalt features uit een pre-trained model en gebruik ze voor een nieuwe taak
- •In medische beeldvorming worden features geëxtraheerd die wijzen op tumoraanwezigheid
Trefwoorden
patroon-herkenningmachine-learning-invoercnn-lagenrepresentatie