Keras 中的特征提取

【问题标题】：Feature extraction in KerasKeras 中的特征提取
【发布时间】：2017-09-06 17:15:35
【问题描述】：

我正在使用预训练的 resnet50 和 inception v3 网络从我的图像中提取特征，然后将其与我的 ML 算法一起使用。

推荐使用哪些层进行特征提取？

我目前正在使用："mixed10" in Inception v3 和 "avg_pool" in resent50。不过，这些功能在 XGBoost 中的建模效果很好。

谢谢。

【问题讨论】：

【解决方案1】：

没有关于如何选择特征提取层的一般规则，但您可以使用简单的经验法则。您进入网络越深入 - 您将拥有的 ImageNet 特定语义特征就越少。但同时 - 您也获得了较少的语义功能。

我要做的是在两个拓扑中使用pool 层 - 如果这不起作用 - 然后我会通过将深度设置为元参数来更深入。

【讨论】：

您是指 include_top=True（默认）的“avg_pool”还是 include_top=False 的“global_average_pooling2d_1”？
在哪个拓扑中？
resnet50 对于 include_top=True 和 False 有 'avg_pool'。 inceptionv3 对于 include_top=False 具有“global_average_pooling2d_1”，对于 include_top=True 具有“avg_pool”。在我看来，提取特征的正确方法是从 include_top=True（默认）和 resnet50 或 inceptionv3 的 'avg_pool' 层开始。对吗？
对我来说也不错。
相关点：您是否发现有必要在用于 ML 算法或相似性指标之前对提取的特征向量进行归一化？