caffe:使用C++来提取任意一张图片的特征(从内存读取数据)

0x00 

  关于使用C++接口来提取特征,caffe官方提供了一个extract_features.cpp的例程,但是这个文件的输入是blob数据,即使输入层使用的是ImageData,也需要在deploy.prototxt中指定图片的位置,很不方便。

如果想要使用opencv来读取一个图片,然后用caffe训练好的model提取特征,就需要对输入层进行改写。另外官方例程默认的输出是leveldb格式,我们也可以获取float类型的多维特征(数组),这样集成到我们的项目中更灵活。

0x01

  首先我们需要改写deploy.prototxt的输入层为"MemoryData":

layer {
  name: "data"
  type: "MemoryData"
  top: "data"
  top: "label"
  
  memory_data_param{
    batch_size:1
    channels:3
    height:100
    width:100
  }
}

  在之前的训练中可能使用的是"ImageData"、"Data"之类的,现在改成MemoryData不影响。

0x02

  我准备提取的层的名字是"res5_6",就是"InnerProduct"的前一层,当我想提取"InnerProduct"全连接层的输出时,总是报错,提示原始参数和网络参数不匹配(就是训练好的model和现在deploy的网络维度不一样),所以只好提取前一层了,并且要把全连接层屏蔽掉,屏蔽的方法是把prototxt里相应层的名字改掉就好(相对于caffemodel里面的名字)。[以上问题暂时还没解决,留坑]

0x03

  下面是更改之后的 extract_features.cpp的代码:

#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;


/* 加载模型函数 */
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"); // 读取测试图片
    cv::resize(src, src, cv::Size(100, 100)); // 这里要将图片resize到prototxt里面的输入层指定的大小

    caffe::Net<NetTy>* _net = loadNet<NetTy>("face_example/face_deploy.prototxt", "face_example/face.caffemodel", caffe::TEST); // 加载网络定义文件和参数模型

    caffe::MemoryDataLayer<NetTy> *m_layer = (caffe::MemoryDataLayer<NetTy> *)_net->layers()[0].get(); // 定义个内存数据层指针
    
    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); // 把图片和标签,添加到 MemoryData层

    std::vector<caffe::Blob<NetTy>*> input_vec;  // 无意义,为了函数参数需要
    _net->Forward(input_vec);                    // 执行一次前向计算

    boost::shared_ptr<caffe::Blob<NetTy>> layerData = _net->blob_by_name("res5_6");  // 获得指定层的输出

    const NetTy* pstart = layerData->cpu_data(); // res5_6->cpu_data()返回的是多维数据(数组)
                      
    /*-----输出特征-----*/
    for (int i = 0; i < 30000; i++)
    {
        std::cout << *pstart << endl;

        pstart++;
    }

    return 0;
}

 

posted @ 2017-05-01 20:24 whlook 阅读(...) 评论(...) 编辑 收藏