计算机视觉caffe之路附3： Caffe均值文件mean.binaryproto转mean.npy

转： Caffe均值文件mean.binaryproto转mean.npy

1.mean.binaryproto转mean.npy

使用Caffe的C++接口进行操作时，需要的图像均值文件是pb格式，例如常见的均值文件名为mean.binaryproto；但在使用Python接口进行操作时，需要的图像均值文件是numpy格式，例如mean.npy。所以在跨语言进行操作时，需要将mean.binaryproto转换成mean.npy，转换代码如下：

import caffeimport numpy as npMEAN_PROTO_PATH = 'mean.binaryproto'               # 待转换的pb格式图像均值文件路径MEAN_NPY_PATH = 'mean.npy'                         # 转换后的numpy格式图像均值文件路径blob = caffe.proto.caffe_pb2.BlobProto()           # 创建protobuf blobdata = open(MEAN_PROTO_PATH, 'rb' ).read()         # 读入mean.binaryproto文件内容blob.ParseFromString(data)                         # 解析文件内容到blobarray = np.array(caffe.io.blobproto_to_array(blob))# 将blob中的均值转换成numpy格式，array的shape （mean_number，channel, hight, width）mean_npy = array[0]                                # 一个array中可以有多组均值存在，故需要通过下标选择其中一组均值np.save(MEAN_NPY_PATH ,mean_npy)

2.已知图像均值，构造mean.npy

如果已知图像中每个通道的均值，例如3通道图像每个通道的均值分别为104，117，123，我们也可以通过其构造mean.npy。代码如下：

import numpy as npMEAN_NPY_PATH = 'mean.npy'mean = np.ones([3,256, 256], dtype=np.float)mean[0,:,:] = 104mean[1,:,:] = 117mean[2,:,:] = 123np.save(MEAN_NPY, mean)

3.载入mean.npy

上面我们用两种方式构造了均值文件mean.npy，在使用时载入mean.npy的代码如下：

import numpy as npmean_npy = np.load(MEAN_NPY_PATH)mean = mean_npy.mean(1).mean(1)