caffe初探之-特征提取

本文示例来自caffe官网http://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html

1.准备工作

下载bvlc_reference_caffenet

scripts/download_model_binary.py models/bvlc_reference_caffenet

2.运行选择的数据

创建临时文件存放数据

cd caffemkdir examples/_temp

生成一个文件列表，保存在temp.txt中

find `pwd`/examples/images -type f -exec echo {} \; > examples/_temp/temp.txt

在每一行后面添加标签 0,保存到file_list.txt中

sed "s/$/ 0/" examples/_temp/temp.txt > examples/_temp/file_list.txt

3.定义特征提取的网络结构

下载ILSVRC均值图像数据集

./data/ilsvrc12/get_ilsvrc_aux.sh

网络定义prototxt中使用data/ilsvrc212/imagenet_mean.binaryproto

使用ImageDataLayer读取和修改图片

cp examples/feature_extraction/imagenet_val.prototxt examples/_temp

4.特征提取

fc7代表特征的提取在 fc7 层，是该模型的最高特征提取层。我们也可以使用其它层conv5或pool3等。 10 代表mini-batches的数量，特征存储在leveldb 文件中。

注：如果出现以下错误，是因为examples/_temp/features已经创建，如果想再次运行，可以将文件删除后运行。

rm -rf examples/_temp/features/