如何在前进时从tensorflow slim模型VGG中提取特征？

Question

我使用CASIA（人脸识别数据集）作为训练数据集，使用TensorFlow slim模型vgg训练了一个分类模型。 我想通过使用LFW数据集来测试模型，它是一个面部匹配任务。所以我需要提取像fc7 / fc8这样的网络特征，而不是softmax图层，并比较特征之间的距离，以确定它们是否是同一个人。 如何提取纤薄模型的功能？

以下是培训代码的一部分。

import tensorflow as tf
from tensorflow.contrib.slim.python.slim.nets import vgg 
slim = tf.contrib.slim
FLAGS = tf.app.flags.FLAGS

def tower_loss(scope):
    images, labels = read_and_decode()
    with slim.arg_scope(vgg.vgg_arg_scope()):
        logits, end_points = vgg.vgg_16(images, num_classes=FLAGS.num_classes)
    _ = cal_loss(logits, labels)
    losses = tf.get_collection('losses', scope)
    total_loss = tf.add_n(losses, name='total_loss')
    return total_loss

Answer 1

您可以尝试使用tf.get_default_graph().get_tensor_by_name("VGG16/fc16:0")或要提取的特定功能的张量名称。

要验证要提取的张量的名称，可以尝试

for operation in graph.get_operations():
    print operation.values()

请记住将:0放在名称的末尾，因为它们表示您要检索的项目是张量。

Answer 2

获取苗条模型的end_points并提取该功能。