Question

我想获得预先构建的caffe模型的第6层的输出并在其上训练SVM。我的目的是构建一个自定义图像分类器，用户可以在其中创建自定义图像类，并在这些类之间对输入图像进行分类，而不是imagenet类。这里是伪代码：

#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)

Answer 1

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

要注意的两件事：

预处理输入图像。请参阅Transformer课程here以供参考。
如果仅使用
提取功能
```
features = net.blobs['fc6'].data
```
您的数组将被下一个forward()电话覆盖。确保您正在执行深层复制，例如
```
features = net.blobs['fc6'].data.copy()
```

使用Caffe提取图像特征以用于自定义图像分类器

1 个答案: