是否可以从 UNet 的一半中提取特征？答案

【问题标题】：Is it possible to extract features from half of a UNet?是否可以从 UNet 的一半中提取特征？
【发布时间】：2021-01-27 07:05:34
【问题描述】：

我有一个 3D UNet，我训练了几千个 epoch，现在我想在一个类似的数据集上做一些聚类。但是，首先我想将卷分解为一个特征集阵列，并对特征而不是体积阵列执行聚类。我想要conv3d_9 (Conv3D)的输出形状

是否可以仅从 UNet 的下半部分提取特征来提取这些特征？

【问题讨论】：

你能试试吗？我也对结果感兴趣。
@Watanabe.N 使用以下方法，我能够使用一半的 unet 来提取特征。我不得不遍历我的input_3d_image 来一次预测一个卷的特征，然后展平并重新组合数组以进行聚类。
是的，也许你可以最大化/平均池化功能

标签： python tensorflow keras neural-network feature-extraction

【解决方案1】：

你可以通过如下所示的索引或名称获取中间层

feature = model.get_layer('conv3d_9d')

【讨论】：

【解决方案2】：

假设您已经训练了模型，您可以使用函数式 API 来实现这一点。

例如，

from tensorflow.keras.models import Model
feature_extraction_model = Model(inputs= model.inputs, outputs=model.layers[-18].output)
features_prediction = feature_extraction_model(input_3d_image)

注意-18 是conv3d_9 的索引。

【讨论】：