使用Caffe爲自定義圖像分類器提取圖像特徵

我想獲得預構建caffe模型的第6層的輸出並在其上訓練SVM。我的目的是建立一個自定義圖像分類，用戶可以創建自定義圖像類，以及輸入圖像的類之間進行分類，而不是imagenet classes.Here是僞代碼：使用Caffe爲自定義圖像分類器提取圖像特徵

#input 
file='cat.jpg' 
image=caffe.io.load_image(file) 

#model 
net = caffe.Classifier('deploy.prototxt','model.caffemodel') 

#compute activation at layer 6 --- Need help here. Will net.forward help? will the activation be retained? 

#extract features from layer 6: 

features = net.blobs['fc6'].data[4][:,0, 0] 


#SVM 
category=svm.predict(features) 
print get_category_name(category)

來源

2015-10-04 farizrahman4u

那麼，什麼是問題？ –

您應該使用Net而不是Classifier。因此，您只需致電net.forward()即可。

有兩點需要注意：

預處理的輸入圖像。請參閱Transformer類here以供參考。
如果你只用
```
features = net.blobs['fc6'].data 
```
您的陣列將在下一個forward()調用所覆蓋提取的特徵。一定要執行深拷貝，如
```
features = net.blobs['fc6'].data.copy() 
```

來源

2015-10-05 16:23:42

爲什麼網而不是分類器？分類器本身完成所有圖像處理的權利？ – farizrahman4u

僅僅因爲分類器是由Caffe開發人員作爲示例提供的。它隱藏了必要的預處理，這可能取決於應用程序。總之，你應該定義你自己的**分類器類。 –

使用Caffe爲自定義圖像分類器提取圖像特徵

回答

相關問題