将Caffe训练的Caffenet转为移动端模型后，如何提取图像特征？

我之前也碰到过一模一样的情况——在Caffe里随手就能用net.blobs['conv5'].data[0, : , : , :]拿到特征，转成移动端模型后突然就找不到这种便捷的方式了。下面是我亲测有效的几个解决思路：

1. 转换阶段就指定保留目标层为输出 #

绝大多数模型转换工具（像caffe2onnx、MMdnn、TensorFlow转换脚本这类）都支持指定额外输出节点的功能。你只需要在转换命令里把conv5设为模型的输出之一，这样转出来的移动端模型就会把该层的特征作为一个输出结果。
举个例子，用ONNX转换工具时，可以加类似这样的参数：

python -m caffe2onnx.convert --input model.prototxt --weight model.caffemodel --output model.onnx --output-names conv5

转换完成后，在移动端推理时，直接获取这个新增的输出就能拿到conv5的特征了。

2. 用移动端框架的API提取中间层输出 #

不同的移动端推理框架有各自的中间层获取方式，举几个常见的例子：

• TensorFlow Lite：如果转换时保留了层名称，可以用interpreter.get_tensor(interpreter.get_output_details()[1]['index'])来获取（假设conv5是第二个输出）；如果名称没保留，先通过interpreter.get_tensor_details()遍历所有张量，找到对应conv5的张量索引。
• ncnn：加载模型后，创建Extractor对象，直接调用extract("conv5", feature_mat)就能把特征提取到feature_mat里（前提是你确认模型里的层名还是conv5）。
• Core ML：转换时在模型配置里添加conv5作为输出，推理后直接从结果字典里取对应的键值即可。

3. 先确认目标层的名称是否被修改 #

很多转换工具会自动重命名层（比如加前缀、简化名称），所以转换完成后，一定要用Netron这种模型可视化工具打开转换后的模型，确认conv5层的实际名称是什么——比如可能变成了conv5_1或者C5之类的。找对正确的层名是提取特征的前提。

另外还要注意：移动端模型的输入输出维度可能和Caffe原生有差异，比如有些框架会默认去掉batch维度，所以拿到特征后可能需要手动调整维度，比如从(C, H, W)转成(1, C, H, W)来匹配你之前的处理逻辑。

内容的提问来源于stack exchange，提问作者AJ Z.