使用 Caffe 为自定义图像分类器提取图像特征

【问题标题】：Extract image features using Caffe for custom image classifier使用 Caffe 为自定义图像分类器提取图像特征
【发布时间】：2016-01-01 02:05:36
【问题描述】：

我想获得预建 caffe 模型第 6 层的输出，并在其上训练 SVM。我的目的是构建一个自定义图像分类器，用户可以在其中创建自定义图像类，并在这些类之间分类输入图像，而不是 imagenet 类。这是伪代码：

#input
file='cat.jpg'
image=caffe.io.load_image(file)

#model
net = caffe.Classifier('deploy.prototxt','model.caffemodel')

#compute activation at layer 6 --- Need help here. Will net.forward help? will the activation be retained? 

#extract features from layer 6:

features = net.blobs['fc6'].data[4][:,0, 0]


#SVM
category=svm.predict(features)
print get_category_name(category)

【问题讨论】：

那么，问题是什么？

标签： python computer-vision neural-network caffe conv-neural-network

【解决方案1】：

您应该使用Net 类，而不是Classifier。因此，您只需致电net.forward()。

注意两点：

预处理您的输入图像。请参阅Transformer 类here 以供参考。
如果你只使用提取特征
```
features = net.blobs['fc6'].data
```
您的数组将被下一次forward() 调用覆盖。确保您正在执行深层复制，例如
```
features = net.blobs['fc6'].data.copy()
```

【讨论】：

为什么是 Net 而不是 Classifier？分类器自己做所有的图像处理对吗？
仅仅是因为分类器是由 Caffe 开发人员作为示例提供的。它隐藏了必要的预处理，这可能取决于应用程序。简而言之，您应该定义自己的自己的 Classifier 类。