提取的特徵得到不同的結果

-1

測試提取的特徵從InceptionV3和ResNet50預訓練模型（帶keras加tensorflow），並給出了各自不同的（事實上，瘋狂）進行簡單的圖像相似性不同的結果。提取的特徵得到不同的結果

所提取的特徵被原樣使用並歸一化，但結果是相同的。

任何人都知道爲什麼？

假設你指的是最後convblock這是可以預期的，因爲該架構是不同後，從平坦化層提取的特徵。因此，特徵空間在概念上是不同的，並且特徵只能用於每個模型的相似性檢查並且不匹配。

2017-06-10 08:39:44 petezurich

感謝您的澄清。這證實了預訓練的模型可以分類（說1000 imagenet類）很好，但不太適合特徵提取的結果是模型這是一個有點像通過使用兩種不同的技術兩個獨立的人進行的手動功能，工程部門之間的不同。 –

你能詳細說明你爲什麼要使用不同的模型？隨着提取的特徵從一個模型，你可以做的圖像相似搜索或圖像聚類是這樣的：https://www.flickr.com/photos/genekogan/24873243915 – petezurich

我不想使用不同的模型。我試圖找出爲什麼圖像-a與inceptionv3的相似搜索返回的結果完全不同，而不是圖像的相似搜索-a與resnet50。即使特徵空間不同，爲什麼同一圖像的結果會如此不同？ –

回答