深度学习tensorflow实战笔记（4）利用保存的VGG-16CNN网络模型提取特征

最新推荐文章于 2024-08-10 23:20:31 发布
最新推荐文章于 2024-08-10 23:20:31 发布
阅读量6.6k 收藏 34
点赞数
分类专栏： tensorflow-深度学习 文章标签： tensorflow 提取特征 VGG-16 自己的数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gybheroin/article/details/79807664
版权
本文介绍了如何使用已保存的VGG-16模型从自定义测试数据中提取图像特征。首先将测试数据转换为tfrecords格式，然后通过TensorFlow的saver.restore()恢复模型，接着利用graph.get_tensor_by_name()获取模型的特定层（如fc7）进行特征提取。提供了完整的提取特征代码示例。
摘要由CSDN通过智能技术生成

    前几篇博客写了如何处理数据，如何把用自己的数据训练VGG-16，如何把训练好的模型保存。而在实际应用中，并不是所有的操作都是为了分类的，有时候需要提取图像的特征，那么怎么利用已经保存的模型提取特征呢？

   “桃叶儿尖上尖，柳叶儿就遮满了天”

    测试数据转换成tfrecords，教程：点击打开链接

    保存训练好的VGG-16模型，教程：点击打开链接

1、读取测试数据

      首先把测试数据转换成tfrecords，然后读取出来，代码和前面博客写的一致：      

#读取文件
def read_and_decode(filename,batch_size):
    #根据文件名生成一个队列
    filename_queue = tf.train.string
最低0.47元/天 解锁文章
蒲衣翁
关注
专栏目录
利用vgg-1619预训练模型提取图片的特征.zip
01-06
这是基于 tensorflow-vgg16 和 Caffe 到 Tensorflow 的 VGG 19 和 VGG 16 的 Tensorflow 实现。原始的 Caffe 实现可以在 这里 和 这里 找到。 我们修改了 tensorflow-vgg16 的实现，以使用 numpy 加载而不是默认的 ...
tensorflow学习备注2-特征提取
09-29 678
还是上面的网络，我们输出各个层的权值看看 len(model.layers[0].weights)=2， weights[0], <tf.Variable 'conv2d/kernel:0' shape=(3, 3, 1, 32) dtype=float32 weights[1] <tf.Variable 'conv2d/bias:0' shape=(32,) dtype=float32, 要输出第一个卷积的值： model.layers[0].weights[0][:,:,:,
深度学习笔记：特征抽取
FBeetle的博客
07-30 1611
简单来说，深度模型的输入只能数字类型，现实中的数据则不尽相同，如性别，年龄，商品价格等。例如可以将性别作为特征，男性设置为0，女性设置为1；也可以将年龄和性别组合后作为一个特征，大于18岁的男为3，小于18岁的女为4。数字代表模型输入的特征值。因此，特征抽取就是将这些具体的原始数据通过规则转化为模型可识别的数字(或数组)的过程。本文重点介绍特征分类、特征抽取的过程、特征抽取实现方法、在线特征服务架构。......
深度学习——卷积神经网络（convolutional neural network）CNN详解（二）——前向传播与反向传播过程（特征提取+预测+反向传播更新参数）. 步骤清晰0基础可看
最新发布
m0_52889787的博客
08-10 892
深度学习——卷积神经网络（convolutional neural network）CNN详解（二）——前向传播与反向传播过程（特征提取+预测+反向传播更新参数）. 步骤清晰0基础可看。
[VGG模型] 神经网络模型的保存与读取
m0_51816252的博客
06-06 1447
本文以VGG16模型为例，来学习神经网络模型的保存与读取，其中网络模型的读取有两种方法，对应的网络模型的读取也有两种方法，下面来一一学习。
用VGG 16训练数据集并保存模型测试效果+Tensorboard可视化收敛曲线
JstartTang的博客
06-18 3983
楼主深度学习入门小白白一只，在CSDN 摸怕滚打一圈才知道训练数据是个什么东西！！！！ Emmmm 总之用我们家大佬一句换概括就是炼丹！！过程是枯燥的！但是结果是令人欣喜的！ ** <一>准备工作！！！ ** 需要下载的东西如下： 数据集：17flowers数据集 预训练权重模型：vgg16.npy 提取码：66im 我的做法是从17flowers数据集里面的17个分类的文件夹中，依...
CNN经典网络（3）---VGG（模型搭建+训练+预测）
m0_57224196的博客
12-29 2738
CNN之经典网络三：VGG。论文阅读+模型搭建+训练+预测
vgg-tensorflow:利用vgg-1619预训练模型提取图片的特征
05-11
Tensorflow VGG16和VGG19 参考 这是基于和的VGG 16和VGG 19的Tensorflow实现。 原始的Caffe实现可在和找到。 我们已修改的实现以使用numpy加载而不是默认的tensorflow模型加载，以加快初始化速度并减少总体内存...
VGG-16.rar_vgg_vgg-16_vgg网络_图像识别_深度学习
09-24
VGG-16模型是深度学习领域中一个非常重要的卷积神经网络（CNN）结构，由英国牛津大学的Visual Geometry Group（VGG）在2014年的ImageNet Large Scale Visual Recognition Challenge（ILSVRC）中提出。该模型以其深而...
TensorFlow VGG-16 预训练模型-vgg_16.ckpt
02-01
TensorFlow VGG-16 预训练模型，用于SSD-TensorFlow的Demo训练.
【项目实战】Python基于卷积神经网络CNN模型和VGG16模型进行图片识别项目实战
02-14
在这个【项目实战】中，我们将深入探讨如何使用Python编程语言结合卷积神经网络（CNN）和VGG16模型进行图像识别。这是一个典型的深度学习应用，涵盖了从数据获取到模型训练和评估的完整流程。 首先，我们要理解项目...
tensorflow提取图片特征-示例代码
12-20
tensorflow利用预训练的模型提取图片的特征，以VGG为例，使用slim库
tensorflow使用训练好的VGG模型进行测试
欢迎来到关关雎鸠儿的博客
03-06 625
import scipy.io import numpy as np import os import scipy.misc import matplotlib.pyplot as plt import tensorflow as tf def _conv_layer(input, weights, bias): conv = tf.nn.conv2d(input, tf.con...
CNN提取图片特征，之后用SVM分类
flowrush的博客
02-26 1万+
先用CNN提取特征，之后用SVM分类，平台是TensorFlow 1.6.0-rc0，python2.7 这个是我的一个小小的测试，下面这个链接是我主要参考的，在实现过程中，本来想使用vgg16或者VGG19做迁移来提取特征，但是担心自己的算力不够，还有就是UCI手写数据集本来就是一个不大的数据集，使用vgg16或vgg19有点杀鸡用牛刀的感觉。于是放弃做迁移。 我的代码主要是基于下面链接来的...
深度学习tensorflow实战笔记（3）VGG-16训练自己的数据并测试和保存模型
热门推荐
gybheroin的博客
04-03 1万+
    前面的博客介绍了如何把图像数据转换成tfrecords格式并读取，本篇博客介绍如何用自己的tfrecords格式的数据训练CNN模型，采用的模型是VGG-16。现有的教程都是在mnist或者cifar-10数据集上做的训练，如何用自己的数据集进行训练相关的资料比较少，即使有相关的也是不完整，所以做一个完成流程的学习笔记，以供以后查阅使用。首先要做的是把自己的数据转换成tfrecords文件...
c++下halcon训练SVM分类器
Meet33的博客
09-05 977
首先，准备素材，然后根据训练类别构建SVM模型，然后训练，保存模型参数，然后使用模型进行分类。 首先是训练模型部分，第一步进行特征提取，提取到的特征组成一个向量，稍后添加到SVM模型去。特征提取的方法有很多，这里就不说了。 然后是训练模型，上代码 Hlong NumFeatures = 8; HString KernelType = "rbf"; double KernelParam = ...
CNN_保存和提取
ZZPHG的博客
06-21 571
# Author:Richard import torch import torch.nn as nn import torch.nn.functional as F import matplotlib.pyplot as plt # 回归 x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # 将一维变二维 y = x.pow(2) + 0.2 * torch.rand(x.size()) # 保存和提取 神经网络 def save():
深度学习图像特征降维：PCA在VGG-16特征提取中的应用
深度学习，特别是卷积神经网络（Convolutional Neural Networks, CNN），如VGG-16，其大量的参数和多层结构产生了海量的特征向量，这些特征可能包含冗余信息，降低了计算效率并可能影响模型的泛化性能。 针对这一...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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