Question

我正在研究基于CNN-RNN框架的一些图像标记问题。我需要通过CNN提取cifar-100图像特征，并将其提供给RNN。由于像vgg和resnet这样的网络的输入维是（3 * 224 * 224），而cifar-100图像是32 * 32，因此我不得不为cifar数据集找到CNN代码，并发现this。此Caffe代码可在cifar上使用，并且输出是准确性和损失，但我需要（ip1 + sig1）层的输出。

 .
 .
 .
layer {
  name: "ip1"
  type: "InnerProduct"
  bottom: "pool3"
  top: "ip1"
  inner_product_param {
    num_output: 768
    weight_filler {
      type: "xavier"
    }
  }
}
layer {
  name: "sig1"
  type: "Sigmoid"
  bottom: "ip1"
  top: "ip1"
}
layer {
  name: "ip_c"
  type: "InnerProduct"
  bottom: "ip1"
  top: "ip_c"
  inner_product_param {
    num_output: 20
    weight_filler {
      type: "xavier"
    }
  }
}
layer {
  name: "accuracy_c"
  type: "Accuracy"
  bottom: "ip_c"
  bottom: "label_coarse"
  top: "accuracy_c"
}
layer {
  name: "loss_c"
  type: "SoftmaxWithLoss"
  bottom: "ip_c"
  bottom: "label_coarse"
  top: "loss_c"
}
layer {
  name: "ip_f"
  type: "InnerProduct"
  bottom: "ip1"
  top: "ip_f"
  inner_product_param {
    num_output: 100
    weight_filler {
      type: "xavier"
    }
  }
}
layer {
  name: "accuracy_f"
  type: "Accuracy"
  bottom: "ip_f"
  bottom: "label_fine"
  top: "accuracy_f"
}
layer {
  name: "loss_f"
  type: "SoftmaxWithLoss"
  bottom: "ip_f"
  bottom: "label_fine"
  top: "loss_f"
}

我不想重新训练模型，仅使用预先训练的权重并获取特征向量。我怎样才能做到这一点？！有人可以帮我吗？

在caffe中使用自定义cnn提取图像特征

0 个答案: