Caffe C++API 提取任意一张图片的特征系列二----MemoryData

来源:互联网 发布:java 函数 编辑:程序博客网 时间:2024/06/08 01:04

介绍一种更加灵活的方法,用MemoryData层输入数据,可以直接用opencv接口读入我们的图片再添加的网络中。 
第一个问题:仍然是工程建立问题,提示卷积层或其他层没有注册,解决方法与上一篇博客一样。可查看:http://blog.csdn.net/sunshine_in_moon/article/details/50125255 
第二个问题:网络配置文件的改写,因为使用MemoryData层。

layers{  name: "data"  type: MEMORY_DATA //MemoryData层类型,还有需要注意,MEMORY_DATA别画蛇添足加上引号,否则会报错!  top: "data"  top: "label" //最好写上,虽然后面没有用到  transform_param{    mirror: false    crop_size:224    mean_value:129.1863//三个通道的均值    mean_value:104.7624    mean_value:93.5940  }  memory_data_param{//以下四个参数与ImageData稍有不同,请注意    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

第三个问题:代码,这段代码写的有点乱,请见谅!

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 是一个子函数我没有贴上,可以直接删掉这两行    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  //宏定义 很多人包括我自己刚开始看到NetF也很困惑,原来就是floatint 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;    */    /*从这里开始*/    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 };//****输入的图片,注意格式,即使只有一张图片也要使用向量格式    std::vector<int> label = { 0 };//**输入图片的标签(可随便写),也要注意是向量,这是由AddMatVector函数决定的    //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();//**定义个内存数据层指针    m_layer_->AddMatVector(dv, label);//***这两行很重要,是使用MemoryData层必须的,这是把图片和标签,添加到    //**MemoryData层    /*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此程序的运行时间为" << totaltime << "秒!" << endl;    boost::shared_ptr<caffe::Blob<NetF>> fc8 = _net->blob_by_name("fc8");    const NetF* pstart = fc8->cpu_data();// ***这里是重点!重点!重点!,在这里耽误了很长时间。注意这里是个指针    //**也就是fc8->cpu_data()返回的一般是多维数据(可以看成是个数组),cout<<* pstart<<endl;这样只是打印出一个    //***数?当然是一个数了,*pstart只代表数组的第一个数,因此想获得所有的数据必须用循环!    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++)//**必须用循环打印    {        std::cout << *pstart << endl;        V1.push_back(*pstart);        pstart++;    }    //std::cout << *pstart << endl;    //std::cout << *(pstart++) << endl;    cout << "\n此程序的运行时间为" << 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

重点内容已经在注释上标明(前面加了**),希望这些对你有帮助! 
写的比较匆忙,以后如有新的体会,会及时更新!

阅读全文
0 0
原创粉丝点击