使用tensorflow分类进行特征提取

Question

我目前正在开发一个从3D对象中提取某些特征的系统（精确地说是体素网格），我想将这些特征与tensorflow cNN中自动生成的特征与其他一些数据的性能（分类）进行比较，但这不是这里的重点，仅用于背景。 我现在的想法是，获取一个数据集（modelnet10），训练一个tensorflow cNN对它们进行分类，然后使用它在我的数据集上学到的东西——不是分类，而是提取特征

所以我想扔掉cnn所做的一切，除了从物体上拿走的东西

有没有办法获得这些功能？我该怎么做？我当然不知道

Answer 1

是的，可以专门为特征提取训练模型。这被称为转移学习，您可以训练自己的模型，然后提取特征，或者您可以从预先训练的模型中提取特征，然后在任务中使用它，前提是您的任务与预先训练的模型训练的任务性质类似。当然，你可以在网上找到很多关于这些主题的资料。但是，我在下面提供了一些链接，详细介绍了如何进行：

https://keras.io/api/applications/

https://keras.io/guides/transfer_learning/

https://machinelearningmastery.com/how-to-use-transfer-learning-when-developing-convolutional-neural-network-models/

https://www.pyimagesearch.com/2019/05/27/keras-feature-extraction-on-large-datasets-with-deep-learning/

https://www.kaggle.com/angqx95/feature-extractor-fine-tuning-with-keras