如何存储 CNN 提取的特征来训练 SVM 分类器

Question

使用如下所示的 2D CNN 从图像中提取特征，我如何存储提取的特征以训练 SVM 对特征进行分类？

型号：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(4))
model.add(Activation('softmax'))

提取特征：

layer_name = 'layer_name'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

步骤：

• 从我的图像数据集中存储这些提取的特征，以便训练 SVM 分类器。

• 使用train_test_split()分割训练和测试数据

• 训练分类器：

  clf = svm.SVC()
  clf.fit(X, y)  
  

我需要知道怎么做。

Answer 1

您可以尝试将它们保存并加载为 HDF5 文件格式。与泡菜相比，它有几个优点。保存和加载速度要快得多（尤其是对于大型数组）。

为此，您需要安装 h5py 包。保存加载示例代码如下：

为了节省：

import h5py
h5f = h5py.File('your_file_name.h5', 'w')
h5f.create_dataset('layer_model', data=intermediate_layer_model)
h5f.create_dataset('output', data=intermediate_output)
h5f.close()

用于加载

import h5py
h5f = h5py.File('your_file_name.h5', 'r')
intermediate_layer_model = h5f['layer_model'][:]
intermediate_output = h5f['output'][:]
h5f.close()