开头一首诗，很装啊！老铁 我们都知道各种卷积网络提取特征什么鬼的，好像很吊的样子。 那到底提取处理的会是什么东西呢？ 看到有很多可视化的操作，看到经过卷积操作之后很多特征会被浓缩（抽象）成一小块。 由于本人最近也在提取图片的特征，无意间发现了一个有趣的东西 它就是一个可以使用多种预训练模型计算图像特征。 这些层级将最终抽取出图像的特征，并能进一步用于图像分类和聚类等。 项目地址：https://github.com/cameronfabbri/Compute-Features 1、在GitHub链接有一些模型的参数（例如下载inception_v1_2016_08_28.tar.gz），我是Linux系统地下运行的，不知道window系统会不会报错！ 2、下载好之后，打开终端（ctrl+alt+t），输入下面两条指令 第一条是解压预训练模型的参数，会产生一个ckpt格式的文件 第二条是用这个模型提取测试图片的特征（这时的格式还是不能正常查看，是一堆乱七八糟的） 3、运行另外一个代码会提取上一步计算的特征 但是由于特征的长度为1024，只能显示部分，而且还不能保存。 所以是不是很气 但是实际上很简单（因为我是在win上写的推文，因此代码没办法上传） 部分乱码请无视。就是读入和存储（这里的编译环境是python2）如果是python3的话需要将 import cPickle as pickle 替换为 import pickle 这里需要注意一点，有时候编码会出错，需要在文件的头部加一句编码的说明 # -*- coding: UTF-8 -*- |
|
|
