Question

我正在尝试使用TensorFlow和Keras从VGGFace模型的卷积层中提取特征。

这是我的代码：

# Layer Features
layer_name = 'conv1_2' # Edit this line
vgg_model = VGGFace() # Pooling: None, avg or max
out = vgg_model.get_layer(layer_name).output
vgg_model_new = Model(vgg_model.input, out)

def main():
    img = image.load_img('myimage.jpg', target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = utils.preprocess_input(x, version=1)
    preds = vgg_model_new.predict(x)
    print('Predicted:', utils.decode_predictions(preds))
    exit(0)

但是，在print('Predicted:', utils.decode_predictions(preds))行中，出现以下错误：

Message = decode_predictions期望进行一系列预测（即 V1的2D形状形状数组（样本，2622）或V1的形状（样本，8631） V2。找到形状为（1，224，224，64）的数组

我只想提取特征，此时我不需要对图像进行分类。该代码基于https://github.com/rcmalli/keras-vggface

Answer 1

您不应在此处使用utils.decode_predictions(preds)，因为它仅用于分类。您可以在https://github.com/rcmalli/keras-vggface/blob/master/keras_vggface/utils.py#L66

处看到函数的定义

如果要打印功能，请使用print('Predicted:',preds)

Keras VGGFace提取功能

1 个答案: