Keras_利用VGG16提取图片特征

最新推荐文章于 2024-11-29 14:39:06 发布

酆小强

最新推荐文章于 2024-11-29 14:39:06 发布

阅读量5.8k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：神经网络文章标签：深度学习神经网络

本文链接：https://blog.youkuaiyun.com/qq_43586051/article/details/110230283

本文介绍如何利用Keras库中的VGG16模型提取特定层的特征，特别是如何获取全连接层fc2的输出特征。通过修改模型结构，我们可以跳过顶层分类部分，直接获得中间层的特征表示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先看看keras官网的代码：

使用 VGG16 提取特征

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np

model = VGG16(weights='imagenet', include_top=False)

img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

features = model.predict(x)

我们需要注意到它调用vgg16时，参数有一个include_top=False，此时我们再去看看vgg16源码如下：（keras.applications/vgg16.py代码），但这就有问题，因为如果include_top,得到的是卷积结束后的特征（当然不排除其他项目只需要到卷积层，这种可以直接拿keras官网代码。）但是我们想要得到全连接层的输出。则需要修改。

	省略卷积层
    if include_top:
        # Classification block
        x = layers.Flatten(name='flatten')(x)
        x = layers.Dense(4096, activation='relu', name='fc1')(x)
        x = layers.Dense(4096, activation='relu', name='fc2')(x)
        x = layers.Dense(classes, activation='softmax', name='pred