我应该使用 VGG19 的哪一层来提取特征答案

【问题标题】：Which layer of VGG19 should I use to extract feature我应该使用 VGG19 的哪一层来提取特征
【发布时间】：2019-07-06 05:53:12
【问题描述】：

现在，我想要图像的特征来计算它们的相似度。我们可以在 tensorflow 中使用预训练的 VGG19 模型轻松获得特征。但是 VGG19 模型有很多层，我不知道应该使用哪一层来获取特征。哪一层的输出适合这个问题？

# I think this how is correct to extract feature
model = tf.keras.application.VGG19(include_top=True, 
                                   weight='imagenet')
input = model.input
output = model.layers[-2].output
extract_model = tf.keras.Model(input, output)

我的推断是越接近最后的输出，模型输出的功能就越强大。但是有些教程说'使用include_top=False提取特征'（例如Image Captioning with Attention TensorFlow）

所以，我不知道应该使用哪一层。请尝试在此线程中帮助我。

【问题讨论】：

标签： python tensorflow machine-learning tf.keras

【解决方案1】：

可以使用include_top=False，因为最后 3 层（对于该特定模型）是完全连接的层，通常不是很好的特征向量。如果模型直接输出一个特征向量，那么就不需要了。

大多数人使用最后一层进行迁移学习，但这可能取决于您的应用程序。例如，Gatys et. al. 表明 VGG 的前几层对图像的风格敏感，后面几层对内容敏感。

我可能会在超参数搜索中尝试所有这些方法，看看哪个性能最好。如果图像相似度是指内部物体的相似度，我可能会从最后一层开始。

【讨论】：

我的意思是整个图像的相似性。它不仅是对象，还包括背景。基本上，当图像相似度意味着图像中对象的相似度时，我应该使用更接近输出的层。而如果我想比较整个图像，我应该设置include_top=False 并使用最后一层。可以吗？
最后一层，但可能值得一试。