我们想要构建一个图像分类器，它应该将图像分类为~15个类中的一个 . 我们确实有一个大型标记的训练语料库 . 因此，我们可以使用Caffe或其他深度学习库来训练深度神经网络 .
我们正在探索的另一个选择是查看是否有任何公开可用的预先存在的特征提取模型来从一般图像中提取特征（例如针对大型图像集训练的自动编码器） . 通过这样做，我们将能够减少维数，这将使我们能够使用更简单的分类模型和较少的训练数据进行训练，因为特征数量较少（维数的诅咒） .
我们看到的唯一缺点是，如果数据的概率分布在用于训练自动编码器/特征提取器的数据集与我们用于监督学习问题的数据集之间显着变化，则整体性能可能不太好 . 另一方面，我们获得的优势是我们不必训练复杂的深度神经网络 . 通过特征提取，我们可以使用普通的分类算法（例如随机森林/等）完成剩余的工作 .
所以，我的问题基本上是：有人已经训练过（并且可以重复使用）一个为特定图像提取特征的模型吗？