tensorflow提取VGG特征

我们知道,再网络训练好之后,只需要forward过程就能做预测,当然,我们也可以直接把这个网络当成一个feature extractor来用,可以直接用任何一层的输出作为特征,根据R-CNN论文对Alexnet的实验结果,如果不做fine-tuning,pool5和fc6和fc7的特征效果并没有很强的提升,所以,如果直接用作feature extractor,直接用pool的最后一层输出就OK.



这里是一个简单的演示,提取VGG的pool5层特征,存储为.mat文件

    import scipy.io as sio
   from scipy.misc import imread, imresize

   sess = tf.Session()
    imgs = tf.placeholder(tf.float32, [None, 224, 224, 3])
    vgg = vgg16(imgs, '/aa/data/vgg16_weights.npz', sess)

    img1 = imread('/aa/data/laska.png', mode='RGB')
    img1 = imresize(img1, (224, 224))
    path = '/aa/data/AllSample/'

    for i in range(1,211):
        img = imread(path+str(i)+'.jpg',mode='RGB')
        print(path+str(i)+'.jpg')
        img = imresize(img, (224, 224))
    
        feature = sess.run(vgg.pool5, feed_dict={vgg.imgs: [img]})
        feature = np.reshape(feature,[7,7,512])
        dic = {'features':feature}
        sio.savemat('/aa/data/features/'+str(i)+'.mat',dic)
    
#     features = feature.eval(session=sess)
#     features = np.reshape(features,[7,7,512])
    


  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值