Caffe Python特征抽取

时间：2023-01-03 15:28:01

Caffe Python特征抽取

转载 http://www.cnblogs.com/louyihang-loves-baiyan/

Caffe大家一般用到的深度学习平台都是这个，关于Caffe的训练通常一般都可以通过一些命令来执行，但是在deploy阶段，如果是做实际的工程，那么C++接口用得会相对比较多。但是Caffe是支持Python和Matlab接口的，所以用Python来做一些相关的特征的处理以及额外的任务比较方便

这里我主要是结合了Caffe官网的例程，当然它给的例程是参照的Ipython，然后以命令的形式，我主要做了一些相关的整合。当时也不知道怎么提取一些相关特征，上网一搜也基本上没有干净、好的代码。因此我在这里介绍如何使用Python做特征的抽取。

Python 接口

首先你要确保你已经在安装Caffe时，编译了Python接口，我记得对应着的命令是 make pycaffe，相关的接口是在在Caffe_Root\python目录下，这个目录里面还是有一个caffe模块，提供了一些使用python的基本类

抽取的代码

这里我把其例程中，以及一部分我添加的代码都合到了一起，并且加了注释，希望能对大家有帮助，这里主要是三个函数

  • initialize () 初始化网络的相关
  • readlist() 读取抽取图像列表
  • extractFeatre() 抽取图像的特征，保存为指定的格式

其中在transformer那里需要根据自己的需求设定

import numpy as np

import matplotlib.pyplot as plt

import os

import caffe

import sys

import pickle

import struct

import sys,cv2

caffe_root = '../'

# 运行模型的prototxt

deployPrototxt =  '/home/chenjie/baiyan/caffe/models/compcar_model_C_all/deploy_louyihang.prototxt'

# 相应载入的modelfile

modelFile = '/home/chenjie/baiyan/caffe/models/compcar_model_C_all/caffenet_carmodel_baiyan_iter_50000.caffemodel'

# meanfile 也可以用自己生成的

meanFile = 'python/caffe/imagenet/ilsvrc_2012_mean.npy'

# 需要提取的图像列表

imageListFile = '/home/chenjie/DataSet/500CarCNNRetrieve/500CarFaceOrig/images_total.txt'

imageBasePath = '/home/chenjie/DataSet/500CarCNNRetrieve/500CarFaceOrig'

gpuID =

postfix = '.classify_allCar1716_fc6'

# 初始化函数的相关操作

def initilize():

    print 'initilize ... '

    sys.path.insert(, caffe_root + 'python')

    caffe.set_mode_gpu()

    caffe.set_device(gpuID)

    net = caffe.Net(deployPrototxt, modelFile,caffe.TEST)

    return net

# 提取特征并保存为相应地文件

def extractFeature(imageList, net):

    # 对输入数据做相应地调整如通道、尺寸等等

    transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})

    transformer.set_transpose('data', (,,))

    transformer.set_mean('data', np.load(caffe_root + meanFile).mean().mean()) # mean pixel

    transformer.set_raw_scale('data', )

    transformer.set_channel_swap('data', (,,))

    # set net to batch size of  如果图片较多就设置合适的batchsize

    net.blobs['data'].reshape(,,,)      #这里根据需要设定，如果网络中不一致，需要调整

    num=

    for imagefile in imageList:

        imagefile_abs = os.path.join(imageBasePath, imagefile)

        print imagefile_abs

        net.blobs['data'].data[...] = transformer.preprocess('data', caffe.io.load_image(imagefile_abs))

        out = net.forward()

        fea_file = imagefile_abs.replace('.jpg',postfix)

        num +=

        print 'Num ',num,' extract feature ',fea_file

        with  open(fea_file,'wb') as f:

            for x in xrange(, net.blobs['fc6'].data.shape[]):

                for y in xrange(, net.blobs['fc6'].data.shape[]):

                    f.write(struct.pack('f', net.blobs['fc6'].data[x,y]))

# 读取文件列表

def readImageList(imageListFile):

    imageList = []

    with open(imageListFile,'r') as fi:

        while(True):

            line = fi.readline().strip().split()# every line is a image file name

            if not line:

                break

            imageList.append(line[])

    print 'read imageList done image num ', len(imageList)

    return imageList

if __name__ == "__main__":

    net = initilize()

    imageList = readImageList(imageListFile)

    extractFeature(imageList, net)

还没有尝试，等跑完模型试试特征提取；

相关文章