ResNet-101 输出的特征向量

ResNet-101是一种深度卷积神经网络模型，它在ImageNet数据集上进行了训练，并在图像分类任务中取得了很好的性能。ResNet-101的输出是一个特征向量，该向量包含了输入图像在网络中经过多个卷积层和全连接层后提取到的高级语义特征。

具体来说，ResNet-101的输出特征向量的维度为2048。这个特征向量可以被用于各种计算机视觉任务，如图像检索、目标检测、图像分割等。通过将输入图像传递给ResNet-101模型，我们可以获得一个2048维的特征向量，其中每个维度对应着输入图像在网络中的某个抽象特征。

这个特征向量具有较强的表达能力，可以捕捉到图像中的语义信息，例如物体的形状、纹理、颜色等。通过比较不同图像的特征向量，我们可以计算它们之间的相似度，从而实现图像检索等任务。