CoreMl 是否支持输出长特征而不是最终预测？答案

【问题标题】：Does CoreMl support output a long feature rather than a final prediction?CoreMl 是否支持输出长特征而不是最终预测？
【发布时间】：2020-10-16 06:57:00
【问题描述】：

我正在制作一个应用程序，它需要一个模型来输出一个给定图像的长特征（如 1,2024）。我用的是iphone，所以我选择了coreml。但如果有人知道哪个框架可以输出长特征而不是预测标签，也欢迎使用其他框架。

【问题讨论】：

您正在使用面部验证应用程序吗？您想输入图像并从密集层中获得嵌入吗？
我正在研究人员重新识别。但是您可以将其视为面部验证。我使用的模型是定制的。所以我需要访问中间层或者我需要输出特征而不是预测。
你有什么要推荐的吗？？
我今年早些时候曾使用过这种模型。我们有很多要讨论的，取决于文件。是否可以将生成的 .h5 文件上传到某处进行处理并为您提供建议？
我只有pytorch创建的模型和onnx的版本。我没明白你的意思。你想让我上传什么？

标签： tensorflow-lite coreml iosdeployment

【解决方案1】：

是的，Core ML 可以做到这一点。只是不要将其转换为“分类器”。 Core ML 对分类器进行特殊处理，并为这些模型输出一个概率字典。但如果你的模型不是分类器，那么你会得到一个以特征向量作为输出的 MLMultiArray。

【讨论】：

谢谢，在我得到长特征（MLMultiArray）后，我可以在 CoreML 中操作它吗？我的案例是一个人的再识别模型，它以图像作为输入并输出一个长特征。然后我想将这个长特征与预定义数量的其他长特征进行比较，并检查它们的相似性。假设我有一个很长的功能来代表戴夫。我预存了 3 个长特征，分别是 Tom、Dave 和 Amy。我可以使用for循环快速进行数组相似度比较吗？
可以，但您必须自己实现距离计算。