我想使用 caffe 提取特征并使用 SVM 训练这些特征。我浏览了这个链接：http ://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html 。此链接提供了我们如何使用 caffenet 提取特征。但我想在这里使用 Lenet 架构。我无法为 Lenet 更改这行命令：
./build/tools/extract_features.bin models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt fc7 examples/_temp/features 10 leveldb
还有，提取特征后，如何使用 SVM 训练这些特征？我想为此使用python。例如：如果我从此代码中获得功能：
features = net.blobs['pool2'].data.copy()
那么，如何通过定义自己的类来使用 SVM 训练这些功能呢？
你在这里有两个问题：
使用 LeNet 提取特征
要使用脚本从 LeNet 中提取特征，extract_features.bin您需要模型文件 (.caffemodel) 和用于测试的模型定义 (.prototxt)。
的签名在extract_features.bin这里：
Usage: extract_features pretrained_net_param feature_extraction_proto_file extract_feature_blob_name1[,name2,...] save_feature_dataset_name1[,name2,...] num_mini_batches db_type [CPU/GPU] [DEVICE_ID=0]
因此，如果您以 val prototxt 文件为例（https://github.com/BVLC/caffe/blob/master/models/bvlc_alexnet/train_val.prototxt），您可以将其更改为 LeNet 架构并将其指向你的 LMDB / LevelDB。这应该让你大部分时间都在那里。一旦您这样做并遇到困难，您可以在此处重新更新您的问题或发表评论，以便我们提供帮助。
在特征之上训练 SVM
我强烈推荐使用 Pythonscikit-learn从这些特征中训练 SVM。它非常容易上手，包括读取从 Caffe 格式保存的功能。
非常滞后的回复，但应该有所帮助。不是 100% 你想要的，但我使用 VGG-16 网络使用 caffe 提取人脸特征，并对 LFW 数据集的一小部分进行准确度测试。您需要的正是代码中的内容。代码创建用于训练和测试的类，并将它们推送到 SVM 中进行分类。