4、图像特征提取、分类器训练及准确率评估

图像特征提取、分类器训练及准确率评估

1. 特征提取过程

1.1 特征处理

在特征提取过程中，我们使用NumPy的 .vstack 方法将图像垂直堆叠，使其形状为 (N, 224, 224, 3) ，其中 N 是批量大小。将图像通过网络得到实际的特征向量，由于去掉了VGG16头部的全连接层，我们得到的是最终最大池化操作后的值，其形状为 (N, 512, 7, 7) ，意味着有512个大小为 7×7 的滤波器。为了将这些值作为特征向量，需要将它们展平为形状为 (N, 25088) 的数组，代码如下：

# reshape the features so that each image is represented by
# a flattened feature vector of the ‘MaxPooling2D‘ outputs
features = features.reshape((features.shape[0], 512 * 7 * 7))

# add the features and labels to our HDF5 dataset
dataset.add(features, batchLabels)
pbar.update(i)

最后，关闭HDF5数据集：

# close the dataset
d