使用Caffe为自定义图像分类器提取图像特征

我想获得预构建caffe模型的第6层的输出并在其上训练SVM。我的目的是建立一个自定义图像分类，用户可以创建自定义图像类，以及输入图像的类之间进行分类，而不是imagenet classes.Here是伪代码：使用Caffe为自定义图像分类器提取图像特征

#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)

来源

2015-10-04 farizrahman4u

那么，什么是问题？ –

您应该使用Net而不是Classifier。因此，您只需致电net.forward()即可。

有两点需要注意：

预处理的输入图像。请参阅Transformer类here以供参考。
如果你只用
```
features = net.blobs['fc6'].data 
```
您的阵列将在下一个forward()调用所覆盖提取的特征。一定要执行深拷贝，如
```
features = net.blobs['fc6'].data.copy() 
```

来源

2015-10-05 16:23:42

为什么网而不是分类器？分类器本身完成所有图像处理的权利？ – farizrahman4u

仅仅因为分类器是由Caffe开发人员作为示例提供的。它隐藏了必要的预处理，这可能取决于应用程序。总之，你应该定义你自己的**分类器类。 –

使用Caffe为自定义图像分类器提取图像特征

回答

相关问题