如何像python opencv中的128d一样计算面嵌入的256d数组向量。？

我使用下面的代码来获取面嵌入的

128d数组向量

embedder = cv2.dnn.readNetFromTorch('openface_nn4.small2.v1.t7')

embedder.setInput(face_blob)  # face_blob is the blob of face image
vec = embedder.forward()      # vec contains the 128d

如何计算面部图像的
256d数组向量
。？谢谢
您必须构建自己的或修改现有的NN，因此它返回256d，而不是上一层的128d。可以简单地将
Dense（128，…）
替换为`Dense（256，…），也可以复杂地将替换后的整个网络重新训练。
@SAndrew可能您可以从网络的源代码（openface_nn4.small）开始，看看最新的层是什么，它可能类似于
Dense（512）
然后
Dense（256）
然后
稠密（128）
——在本例中，您只需删除最后一层即可。否则，您可能需要构建不同的网络，收集一些数据，对其进行培训，等等。。。顺便说一句，为什么你认为128d的嵌入对于你的目的是不够的？我处理的是低细节、平滑或jpeg压缩的高丢失的人脸，识别非常容易出错。所以我想我应该试试256d，而不是128d。你认为256d会更好吗？@SAndrew根据我的经验，128d矢量足以描述地球上的每一张脸数百万次，所以256d通常是一种过度杀伤力。我宁愿花时间在数据收集上（获得更好的图像）和准备（面部检测、对齐等）——这肯定会让你得到更好的结果。我认为面部对齐是你提出的一个很好的地方，我还没有考虑过。在提取128d面层之前，我还将包括这一点。谢谢