快捷導(dǎo)航

怎么用C++提取任意一張圖片的特征（從內(nèi)存讀取數(shù)據(jù)）

更新時(shí)間：2017年05月02日 10:56:53 作者：WHLOOK

這篇文章主要介紹了用C++提取任意一張圖片的特征（從內(nèi)存讀取數(shù)據(jù)）的相關(guān)資料,需要的朋友可以參考下

　　關(guān)于使用C++接口來(lái)提取特征，caffe官方提供了一個(gè)extract_features.cpp的例程，但是這個(gè)文件的輸入是blob數(shù)據(jù)，即使輸入層使用的是ImageData，也需要在deploy.prototxt中指定圖片的位置，很不方便。

如果想要使用opencv來(lái)讀取一個(gè)圖片，然后用caffe訓(xùn)練好的model提取特征，就需要對(duì)輸入層進(jìn)行改寫。另外官方例程默認(rèn)的輸出是leveldb格式，我們也可以獲取float類型的多維特征（數(shù)組），這樣集成到我們的項(xiàng)目中更靈活。

01

　　首先我們需要改寫deploy.prototxt的輸入層為"MemoryData"：

layer {
 name: "data"
 type: "MemoryData"
 top: "data"
 top: "label"
 memory_data_param{
 batch_size:1
 channels:3
 height:100
 width:100
 }
}

　　在之前的訓(xùn)練中可能使用的是"ImageData"、"Data"之類的，現(xiàn)在改成MemoryData不影響。

02

　　我準(zhǔn)備提取的層的名字是"res5_6"，就是"InnerProduct"的前一層，當(dāng)我想提取"InnerProduct"全連接層的輸出時(shí)，總是報(bào)錯(cuò)，提示原始參數(shù)和網(wǎng)絡(luò)參數(shù)不匹配（就是訓(xùn)練好的model和現(xiàn)在deploy的網(wǎng)絡(luò)維度不一樣），所以只好提取前一層了，并且要把全連接層屏蔽掉，屏蔽的方法是把prototxt里相應(yīng)層的名字改掉就好（相對(duì)于caffemodel里面的名字）。[以上問(wèn)題暫時(shí)還沒(méi)解決，留坑]

03

　　下面是更改之后的 extract_features.cpp的代碼：

#include <stdio.h> 
#include <string>
#include <vector>
#include <iostream>
#include <opencv2/opencv.hpp>
#include "boost/algorithm/string.hpp"
#include "google/protobuf/text_format.h"
#include "caffe/blob.hpp"
#include "caffe/common.hpp"
#include "caffe/net.hpp"
#include "caffe/proto/caffe.pb.h"
#include "caffe/util/io.hpp"
#include "caffe/layers/memory_data_layer.hpp"
#define NetTy float 
using namespace caffe;
using std::cout;
using std::endl;
using std::string;
/* 加載模型函數(shù) */
template <typename Dtype>
caffe::Net<Dtype>* loadNet(std::string param_file, std::string pretrained_param_file, caffe::Phase phase)
{
 caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, phase));
 net->CopyTrainedLayersFrom(pretrained_param_file);
 return net;
}
int main()
{
 cv::Mat src;
 src = cv::imread("face_example/test.jpg"); // 讀取測(cè)試圖片
 cv::resize(src, src, cv::Size(100, 100)); // 這里要將圖片resize到prototxt里面的輸入層指定的大小
 caffe::Net<NetTy>* _net = loadNet<NetTy>("face_example/face_deploy.prototxt", "face_example/face.caffemodel", caffe::TEST); // 加載網(wǎng)絡(luò)定義文件和參數(shù)模型
 caffe::MemoryDataLayer<NetTy> *m_layer = (caffe::MemoryDataLayer<NetTy> *)_net->layers()[0].get(); // 定義個(gè)內(nèi)存數(shù)據(jù)層指針
 std::vector<cv::Mat> dv = { src }; // AddMatVector(const vector<cv::Mat>& mat_vector,const vector<int>& labels)
 std::vector<int> label = { 0 }; // -------------------------------------------------------------------------
 m_layer->AddMatVector(dv, label); // 把圖片和標(biāo)簽，添加到 MemoryData層
 std::vector<caffe::Blob<NetTy>*> input_vec; // 無(wú)意義，為了函數(shù)參數(shù)需要
 _net->Forward(input_vec);     // 執(zhí)行一次前向計(jì)算
 boost::shared_ptr<caffe::Blob<NetTy>> layerData = _net->blob_by_name("res5_6"); // 獲得指定層的輸出
 const NetTy* pstart = layerData->cpu_data(); // res5_6->cpu_data()返回的是多維數(shù)據(jù)（數(shù)組）
 /*-----輸出特征-----*/
 for (int i = 0; i < 30000; i++)
 {
  std::cout << *pstart << endl;
  pstart++;
 }
 return 0;
}

以上所述是小編給大家介紹的怎么用C++提取任意一張圖片的特征（從內(nèi)存讀取數(shù)據(jù)），希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

您可能感興趣的文章: