利用TensorFlow神经网络提取特征

Question

我试着提取一组图像的特征。我用的是站点的CNN。

谁能告诉我如何使用CNN进行图像的特征提取？我找了很多地方。但在任何地方都没有明确提到特征提取部分。

Answer 1

实际上，在您完成培训之后，所有这些卷积层的权重都是您提取的特征图。

您可以尝试可视化这些权重以及激活，以获得完整的功能地图。这是一个您可以参考的指南。

参考资料

https://github.com/fchollet/keras/issues/12

http://cs231n.github.io/understanding-cnn/

Answer 2

使用TensorFlow上的tensorflow/Models资源库，tensorflow中的CNN特征提取变得更容易了。有预先训练的VGG，ResNet，盗梦空间和MobileNet模型可用的这里.

我在TensorFlow中使用了下面的包装器来方便地进行特征提取。您只需向该工具提供图像列表即可。通过网络转发，对图像进行预处理，提取特征。您可以指定要提取的图层名称，然后将它们保存到HDF5或泡菜中。

https://github.com/tomrunia/TF_FeatureExtraction

Answer 3

你可以想象卷积是信息的混合。想象一下，两个装满信息的桶被倒进一个桶里，然后按照特定的规则混合。

为了提取图像的特征，CNN在每幅图像上使用所谓的核，并根据网络中的传播来调整内核。然后将内核转到整个映像上，生成所谓的特征映射。您可以将功能地图可视化为如下所示：

随着层次的不断加深，网络获取了越来越大的特征提取知识。初始层负责处理图像中较小的细节，而较深的层能够识别更大的图像。这些图片由adeshpande3提供了一个非常良知的解释，在每一层正在发生的事情。

您可以参考计时器博客，然后引用阿德什·潘德的博客。他们对CNN给出了一个清晰的解释。