我必须使用CNN模型从图像中提取特征。我正在使用一个名为Caffenet的训练模型。
在Caffe上，通过CNN模型运行图像后很容易提取功能。例如，如果我想要通过＆＃34; conv5＆＃34;提取的功能。图层，我只需调用方法：
features = net.blobs['conv5'].data[0, : , : , :]
然而，棘手的部分是我需要使用第三方转换工具来转换模型，以便它可以在我的移动设备上运行。转换模型后，我无法访问模型内的图层输出。我只得到最终输出，在这种情况下是分类，它们不是我需要的。
让模型直接输出＆＃34; conv5＆＃34;层，这是最后的卷积层，我进入deploy.prototxt文件并删除＆＃34; conv5＆＃34;之后的所有层。层，所以＆＃34; conv5＆＃34;有效地成为最终的输出层。但是，在这样做之后，我得到的特征值与我在更改原型文件之前获得的特征值完全不同。
我怀疑即使我通过删除deploy.prototxt中的图层来更改架构，我也无法更改caffenet.caffemodel文件中的权重。我不知道为什么这会是一个问题，因为＆＃34; conv5＆＃34;之后的图层权重不会被使用。我不确定为什么会改变＆＃34; conv5＆＃34;的输出。
如何更改训练模型以直接从最终卷积层输出要素？
答案 0 :(得分：1)
一个原因可能是＆＃34; conv5＆＃34;之后的某些层。图层将更新或更改conv5的顶部blob。这些层包括relu层或batch_norm层，因为这些层通常使用就地操作。因此，您最好检查部署原型文件，并在conv5保持不变后保持batch_norm和relu层。