如何存储CNN提取的特征来训练SVM分类器

使用下面显示的2D CNN从图像中提取特征,如何存储提取的特征,以便训练SVM对特征进行分类?

型号:

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(4))
model.add(Activation('softmax'))

提取特征时使用:

layer_name = 'layer_name'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

步骤:

• 将这些从我的图像数据集中提取的特征存储起来,以便训练SVM分类器。

• 使用 train_test_split() 拆分列车和测试数据

• 培训分类器:

  clf = svm.SVC()
  clf.fit(X, y)  
  

我需要知道怎么做。