質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.53%

kerasVGG16を使って全結合層の4096次元特徴量を抽出したい

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 372

sswaka

score 9

前提・実現したいこと

http://testpy.hatenablog.com/entry/2017/07/22/195400
↑を参考に、Imagenetで学習済みのVGG16を使って、フォルダ内画像の特徴量を抽出したい。

発生している問題

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_3 (InputLayer)         (None, 224, 224, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 224, 224, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 224, 224, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 112, 112, 64)      0         
_________________________________________________________________
block2_conv1 (Conv2D)        (None, 112, 112, 128)     73856     
_________________________________________________________________
block2_conv2 (Conv2D)        (None, 112, 112, 128)     147584    
_________________________________________________________________
block2_pool (MaxPooling2D)   (None, 56, 56, 128)       0         
_________________________________________________________________
block3_conv1 (Conv2D)        (None, 56, 56, 256)       295168    
_________________________________________________________________
block3_conv2 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_conv3 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_pool (MaxPooling2D)   (None, 28, 28, 256)       0         
_________________________________________________________________
block4_conv1 (Conv2D)        (None, 28, 28, 512)       1180160   
_________________________________________________________________
block4_conv2 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_conv3 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_pool (MaxPooling2D)   (None, 14, 14, 512)       0         
_________________________________________________________________
block5_conv1 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_conv2 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_conv3 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_pool (MaxPooling2D)   (None, 7, 7, 512)         0         
_________________________________________________________________
flatten (Flatten)            (None, 25088)             0         
_________________________________________________________________
fc1 (Dense)                  (None, 4096)              102764544 
_________________________________________________________________
fc2 (Dense)                  (None, 4096)              16781312  
_________________________________________________________________
predictions (Dense)          (None, 1000)              4097000   
=================================================================

現在のコードでは上記modelのflatten層25088次元の特徴量を抽出していますが、全結合層(fc1)の4096次元の特徴量を抽出するにはどの部分を書き換えればいいか分からず詰まっています。

該当のソースコード

現在のコードは以下の通りです。
今の時点ではinclude_top=Falseとなっているため、feat=model.prediict(x)でflatten層の特徴量が抽出されています。
include_top=Trueにした後、fc1を指定して出力させる方法を教えていただきたいです。

from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.preprocessing import image

from sklearn.cluster import KMeans
import numpy as np
import pandas as pd
import sys
import cv2
import os
import shutil

DATA_DIR = './'
TARGET_IMAGES_DIR = './'
CLUSTERED_IMAGES_DIR = './'
IMAGE_LABEL_FILE = '.csv'

class Image_Clustering:
    def __init__ (self, n_clusters=3, video_file=None, image_file_temp='img.png', input_video=False):
        self.n_clusters = n_clusters
        self.video_file = video_file
        self.image_file_temp = image_file_temp
        self.input_video = input_video

    def main(self):
        if self.input_video == True:
            self.video_2_frames()
        self.label_images()
        self.classify_images()

    def label_images(self):
        print('Label images...')

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

        images = [f for f in os.listdir(TARGET_IMAGES_DIR) if f[-4:] in ['.jpg']]
        assert(len(images)>0)

        X = []
        for i in range(len(images)):
            feat = self.__feature_extraction(model, TARGET_IMAGES_DIR + images[i])
            X.append(feat)

        X = np.array(X)
        np.save('features.npy',X)
        kmeans = KMeans(n_clusters = self.n_clusters, random_state=0).fit(X)
        print('')
        print('labels:')
        print(kmeans.labels_)
        print('')

        df = pd.DataFrame({'image': images, 'label': kmeans.labels_})
        df.to_csv(DATA_DIR+IMAGE_LABEL_FILE, index=False)

    def __feature_extraction(self, model, img_path):
        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)

        feat = model.predict(x)
        feat = feat.flatten()

        return feat



    def classify_images(self):
        print('Cllassify images...')

        df = pd.read_csv(DATA_DIR+IMAGE_LABEL_FILE)
        labels = list(set(df['label'].values))

        if os.path.exists(CLUSTERED_IMAGES_DIR):
            shutil.rmtree(CLUSTERED_IMAGES_DIR)

        for label in labels:
            print('Copy and paste label %s images.' % label)

            new_dir = CLUSTERED_IMAGES_DIR + str(label) +'/'
            if not os.path.exists(new_dir):
                os.makedirs(new_dir)

            clustered_images = df[df['label']==label]['image'].values
            for ci in clustered_images:
                src = TARGET_IMAGES_DIR + ci
                dst = CLUSTERED_IMAGES_DIR + str(label) + '/' +ci
                shutil.copyfile(src, dst)

if __name__ == "__main__":
    Image_Clustering().main()

補足情報(FW/ツールのバージョンなど)

python2.7
keras2.2.4

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

イメージとしては、 「VGG modelと Inputは同じで、Outputはfc1」というModelを作れば良いと思います。

from keras.models import Model

...

model = VGG16(weights='imagenet', include_top=True)
new_model = Model(inputs=model.inputs, outputs=model.get_layer('fc1'))
fc1_feat = new_model.predict(x)

みたいな感じでどうでしょうか。(実際に動作は確認せず書いてますが)。


■ 追記
あ、すみません、以下が正しいかもしれません。

new_model = Model(inputs=model.inputs, outputs=model.get_layer('fc1').output)

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/08/08 15:59

    追記の通りにModelを設定したら無事に求めたかった特徴量が抽出できました!
    ありがとうございます!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.53%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる