Keras_利用VGG16提取图片特征_vgg16提取特征向量

首先看看keras官网的代码：

使用 VGG16 提取特征

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np

model = VGG16(weights='imagenet', include_top=False)

img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

features = model.predict(x)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

我们需要注意到它调用vgg16时，参数有一个include_top=False，此时我们再去看看vgg16源码如下：（keras.applications/vgg16.py代码），但这就有问题，因为如果include_top,得到的是卷积结束后的特征（当然不排除其他项目只需要到卷积层，这种可以直接拿keras官网代码。）但是我们想要得到全连接层的输出。则需要修改。

	省略卷积层
    if include_top:
        # Classification block
        x = layers.Flatten(name='flatten')(x)
        x = layers.Dense(4096, activation='relu', name='fc1')(x)
        x = layers.Dense(4096, activation='relu', name='fc2')(x)
        x = layers.Dense(classes, activation='softmax', name='predictions')(x)
1
2
3
4
5
6
7

此时我们可以考虑利用这种方式:（例子仍旧是keras官网的，不过以vgg19为例子。）

从VGG19 的任意中间层中抽取特征

from keras.applications.vgg19 import VGG19
from keras.preprocessing import image
from keras.applications.vgg19 import preprocess_input
from keras.models import Model
import numpy as np

base_model = VGG19(weights='imagenet')
model = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_pool').output)

img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

block4_pool_features = model.predict(x)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

即这行代码：
model=Model(inputs=base_model.input,outputs=base_model.get_layer(‘block4_pool’).output)
这样我们就可以提取到某一层，（在vgg16中级即fc2）；
全代码如下：

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
from keras.models import Model
import numpy as np

base_model = VGG16(weights='imagenet')
#查看VGG16源码，inculde_top是全连接层进行分类。但是我们需要提取到全连接层的4096输出，是fc2层
model = Model(inputs=base_model.input, outputs=base_model.get_layer('fc2').output)
img_path = '1.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
features = model.predict(x)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

eg：在第一次加载预训练好的代码，会下载一些h5文件，但是会非常慢。（可以按照提示网站去下载，也很慢。）下载好之后放在C:\Users\自己用户.keras\models目录下

链接：https://pan.baidu.com/s/1HFRMd60CiivRVeCrt_58Yw
提取码：b89o
复制这段内容后打开百度网盘手机App，操作更方便哦