Question

我想比较2张图片。

我采用的方法是对它们进行编码。

然后计算两个编码矢量之间的角度以进行相似性测量。

下面的代码用于使用带有Keras的CNN编码然后解码图像。

但是，我需要获得张量encoded的值。

如何实现它？

非常感谢。

from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
from keras.models import Model
from keras import backend as K

input_img = Input(shape=(28, 28, 1))  
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)
#----------------------------------------------------------------#
# How to get the values of the tensor "encoded"?                   #
#----------------------------------------------------------------#
x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation='relu')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

autoencoder = Model(input_img, decoded)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

.....

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=128,
                shuffle=True,
                validation_data=(x_test, x_test),
                callbacks=[TensorBoard(log_dir='/tmp/autoencoder')])

Answer 1

为了获得中间输出，您需要创建一个单独的模型，其中包含到那时为止的计算图。在您的情况下，您可以：

encoder = Model(input_img, encoded)

完成autoencoder培训后，您可以encoder.predict返回中间编码结果。您也可以像任何其他型号一样单独保存模型，而不必每次都进行训练。简而言之，Model是构建计算图的图层的容器。

Answer 2

如果我正确理解你的问题，你想从卷积自动编码器中获得128维编码表示，以进行图像比较吗？

您可以做的是在网络的编码器部分创建一个参考，训练整个自动编码器，然后使用编码器参考的权重对图像进行编码。

把这个：

self.autoencoder = autoencoder self.encoder = Model(inputs=self.autoencoder.input, outputs=self.autoencoder.get_layer('encoded').output)

在autoencoder.compile()

之后

并使用以下命令创建编码：

encoded_img = self.encoder.predict(input)

如何在Keras获得张量值？

2 个答案: