Caffe C++API 提取任意一張圖片的特徵系列二----MemoryData

介紹一種更加靈活的方法,用MemoryData層輸入數據,能夠直接用opencv接口讀入咱們的圖片再添加的網絡中。 
第一個問題:仍然是工程創建問題,提示卷積層或其餘層沒有註冊,解決方法與上一篇博客同樣。可查看:http://blog.csdn.net/sunshine_in_moon/article/details/50125255 
第二個問題:網絡配置文件的改寫,由於使用MemoryData層。數組

layers{
  name: "data"
  type: MEMORY_DATA //MemoryData層類型,還有須要注意,MEMORY_DATA別多此一舉加上引號,不然會報錯!
  top: "data"
  top: "label" //最好寫上,雖而後面沒有用到
  transform_param{
    mirror: false
    crop_size:224
    mean_value:129.1863//三個通道的均值
    mean_value:104.7624
    mean_value:93.5940
  }
  memory_data_param{//如下四個參數與ImageData稍有不一樣,請注意
    batch_size:1
    channels:3
    height:224
    width:224
  }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

第三個問題:代碼,這段代碼寫的有點亂,請見諒!網絡

template <typename Dtype>
caffe::Net<Dtype>* Net_Init_Load(
    std::string param_file, std::string pretrained_param_file, caffe::Phase phase)
{
    CheckFile(param_file);//CheckFile 是一個子函數我沒有貼上,能夠直接刪掉這兩行
    CheckFile(pretrained_param_file);


    caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, phase));



    net->CopyTrainedLayersFrom(pretrained_param_file);
    return net;
}

#define NetF float //宏定義 不少人包括我本身剛開始看到NetF也很困惑,原來就是float

int main()
{
    /* boost::shared_ptr< Net<float> > feature_net; feature_net = Init_net(); cv::Mat src1; src1 = cv::imread("test.jpg"); //cv::imshow("img", src1); //cv::waitKey(0); //cv::destroyAllWindows(); //cv::Mat rszimage; //// The mean file image size is 256x256, need to resize the input image to 256x256 //cv::resize(src1, rszimage, cv::Size(244, 244)); std::vector<cv::Mat> patches; patches.push_back(src1); // image is a cv::Mat, as I'm using #1416 std::vector<int> labels; labels.push_back(0); boost::shared_ptr< MemoryDataLayer<float> >memory_data_layer; memory_data_layer = boost::static_pointer_cast<MemoryDataLayer<float>>(feature_net->layer_by_name("data")); /* caffe::Datum data; caffe::ReadFileToDatum("test.jpg", &data); caffe::MemoryDataLayer<float> *m_layer_ = (caffe::MemoryDataLayer<float> *)feature_net->layers()[0].get(); */
    /* memory_data_layer->AddMatVector(patches,labels); feature_net->ForwardPrefilled(); float data1; data1 = Read_Feature_data(feature_net, "fc8"); cout << data1 << endl; */




    /*從這裏開始*/
    cv::Mat src1;
    src1 = cv::imread("test.jpg");
    //cv::Mat rszimages;

    //cv::resize(src1, rszimages, cv::Size(224, 224));
    std::vector<cv::Mat> dv = { src1 };//****輸入的圖片,注意格式,即便只有一張圖片也要使用向量格式
    std::vector<int> label = { 0 };//**輸入圖片的標籤(可隨便寫),也要注意是向量,這是由AddMatVector函數決定的

    //caffe::Datum data;
    //caffe::ReadFileToDatum("test.jpg", &data);

    caffe::Net<NetF>* _net = Net_Init_Load<NetF>("FACE_deploy.prototxt", 
                                                "FACE.caffemodel", caffe::TEST);
    caffe::MemoryDataLayer<NetF> *m_layer_ = (caffe::MemoryDataLayer<NetF> *)_net->layers()[0].get();//**定義個內存數據層指針
    m_layer_->AddMatVector(dv, label);//***這兩行很重要,是使用MemoryData層必須的,這是把圖片和標籤,添加到
    //**MemoryData層

    /*float loss = 0.0; std::vector<caffe::Blob<float>*> results = _net->ForwardPrefilled(&loss);*/

    int end_ind = _net->layers().size();
    std::vector<caffe::Blob<NetF>*> input_vec;

    clock_t start = clock();
    _net->Forward(input_vec);
    clock_t end = clock();
    double totaltime;
    totaltime = (double)(end - start) / CLOCKS_PER_SEC;
    cout << "\n此程序的運行時間爲" << totaltime << "秒!" << endl;


    boost::shared_ptr<caffe::Blob<NetF>> fc8 = _net->blob_by_name("fc8");
    const NetF* pstart = fc8->cpu_data();// ***這裏是重點!重點!重點!,在這裏耽誤了很長時間。注意這裏是個指針
    //**也就是fc8->cpu_data()返回的通常是多維數據(能夠當作是個數組),cout<<* pstart<<endl;這樣只是打印出一個
    //***數?固然是一個數了,*pstart只表明數組的第一個數,所以想得到全部的數據必須用循環!
    std::cout << "It is right !!\n";
    //std::cout << m_layer_->width() << std::endl;
    //std::cout << pstart << endl;
    //std::cout << fc8->cpu_data() << endl;
    std::vector<double> V1;
    for (int i = 0; i < 2622; i++)//**必須用循環打印
    {
        std::cout << *pstart << endl;
        V1.push_back(*pstart);
        pstart++;
    }
    //std::cout << *pstart << endl;
    //std::cout << *(pstart++) << endl;
    cout << "\n此程序的運行時間爲" << totaltime << "秒!" << endl;
    return 0;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111

重點內容已經在註釋上標明(前面加了**),但願這些對你有幫助! 
寫的比較匆忙,之後若有新的體會,會及時更新!函數

相關文章
相關標籤/搜索