Question

使用下面显示的2D CNN从图像中提取特征，如何存储提取的特征以训练SVM对特征进行分类？

型号：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(4))
model.add(Activation('softmax'))

使用以下功能提取功能

layer_name = 'layer_name'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

步骤：

（1）从我的图像数据集中存储这些提取的特征，以便训练SVM分类器。

（2）使用train_test_split（）分割列车和测试数据

（3）训练分类器

clf = svm.SVC()
clf.fit(X, y)

我需要知道如何做到这一点。感谢您的支持和关注！

Answer 1

您可以尝试将其保存并加载为HDF5文件格式。它比泡菜有几个优点。保存和加载速度要快得多（特别是对于大型阵列）。

为此，您需要安装 h5py 包。保存和加载的示例代码如下：

保存：

import h5py
h5f = h5py.File('your_file_name.h5', 'w')
h5f.create_dataset('layer_model', data=intermediate_layer_model)
h5f.create_dataset('output', data=intermediate_output)
h5f.close()

加载

import h5py
h5f = h5py.File('your_file_name.h5', 'r')
intermediate_layer_model = h5f['layer_model'][:]
intermediate_output = h5f['output'][:]
h5f.close()

如何存储CNN提取的特征来训练SVM分类器

1 个答案: