从VGG19中任意层提取图像识别的特征

admin管理员组

文章数量:1794759

从VGG19中任意层提取图像识别的特征

文章目录

• • 1.VGG19网络结构：
  • 2.主文件：main.py:

1.VGG19网络结构：

注意：我们输出第四层的block4_pool层的特征：（读者可以根据这个输出其他层的特征也可以）

2.主文件：main.py: import os import numpy as np from tensorflow.keras.models import Model import tensorflow.keras.applications.vgg19 from tensorflow.keras.preprocessing import image from tensorflow.keras.applications.vgg19 import preprocess_input,decode_predictions def load_VGG19(): model_VGG19=tensorflow.keras.applications.vgg19.VGG19(weights='imagenet') return model_VGG19 def ExtractVGG19(): model_vgg19=load_VGG19() block1_conv1_model=Model(inputs=model_vgg19.input,outputs=model_vgg19.get_layer('block4_pool').output) img_path='images/train/dog/1.jpg' #导入图片并将图像剪裁为299*299 img=image.load_img(img_path,target_size=(224,224)) #将加载的图像转换为向量 img=image.img_to_array(img) #对图像进行升维 img=np.expand_dims(img,axis=0) #对图像进行处理 img_out=preprocess_input(img) #输出卷积层的第一个卷积模块 block1_conv1_out=block1_conv1_model.predict(img_out) #打印网络结构 model_vgg19.summary() print('block1_conv1: {}'.format(block1_conv1_out)) print('block1_conv1_shape: {}'.format(np.shape(block1_conv1_out))) if __name__ == '__main__': print('Pycharm') ExtractVGG19()

本文标签： 图像特征