溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
關于使用C++接口來提取特征，caffe官方提供了一個extract_features.cpp的例程，但是這個文件的輸入是blob數據，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來讀取一個圖片，然后用caffe訓練好的model提取特征，就需要對輸入層進行改寫。另外官方例程默認的輸出是leveldb格式，我們也可以獲取float類型的多維特征（數組），這樣集成到我們的項目中更靈活。
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
}
}
在之前的訓練中可能使用的是"ImageData"、"Data"之類的，現在改成MemoryData不影響。
02
我準備提取的層的名字是"res5_6"，就是"InnerProduct"的前一層，當我想提取"InnerProduct"全連接層的輸出時，總是報錯，提示原始參數和網絡參數不匹配（就是訓練好的model和現在deploy的網絡維度不一樣），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里相應層的名字改掉就好（相對于caffemodel里面的名字）。[以上問題暫時還沒解決，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 */
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); // 加載網絡定義文件和參數模型
caffe::MemoryDataLayer<NetTy> *m_layer = (caffe::MemoryDataLayer<NetTy> *)_net->layers()[0].get(); // 定義個內存數據層指針
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); // 把圖片和標簽，添加到 MemoryData層
std::vector<caffe::Blob<NetTy>*> input_vec; // 無意義，為了函數參數需要
_net->Forward(input_vec); // 執行一次前向計算
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()返回的是多維數據（數組）
/*-----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（從內存讀取數據），希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
