caffe的python接口提取resnet101某层特征
2024-09-07 05:41:01
论文的caffemodel转化为tensorflow模型过程中越坑无数,最后索性直接用caffe提特征。
caffe提取倒数第二层,pool5的输出,fc1000层的输入,2048维的特征
#coding=utf-8 import caffe
import os
import numpy as np
import scipy.io as sio #路径设置
OUTPUT='E:/caffemodel/'#输出txt文件夹
root='E:/caffemodel/' #根目录
deploy=root + 'ResNet-101-deploy.prototxt' #deploy文件
caffe_model=root + 'ResNet-101-model.caffemodel' #训练好的 caffemodel
imgroot = 'E:/bjfu-cv-project/img_35/' #随机找的一张待测图片
#labels_filename = 'E:/bjfu-cv-project/CUB_200_2011/CUB_200_2011/classes.txt' #类别名称文件,将数字标签转换回类别名称
net = caffe.Net(deploy,caffe_model,caffe.TEST) #加载model和network
mean_file='mean.npy' #容器初始化
dict = {} fea = []
out_array = np.zeros(shape=(2048,)) #文件读取 count = 0
for root, dirs, files in os.walk(imgroot):
for dir in dirs:
print(dir)
for root, dirs, files in os.walk(imgroot+dir):
i = 0
for img in files:
img = imgroot+dir + '/' + img
#图片预处理设置
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) #设定图片的shape格式(1,3,224,224)
transformer.set_transpose('data', (2,0,1)) #改变维度的顺序,由原始图片(224,224,3)变为(3,224,224)
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1)) #减去均值,前面训练模型时没有减均值,这儿就不用
transformer.set_raw_scale('data', 255) # 缩放到【0,255】之间
transformer.set_channel_swap('data', (2,1,0)) #交换通道,将图片由RGB变为BGR
try:
im=caffe.io.load_image(img) #加载图片
except:
continue
net.blobs['data'].data[...] = transformer.preprocess('data',im) #执行上面设置的图片预处理操作,并将图片载入到blob中 #执行测试
out = net.forward()
fea.append(net.blobs['pool5'].data) # 提取某层数据(特征)
print(dir, i, img)
out_array = np.column_stack((fea[i][0,:,0,0], out_array))
i = i + 1
#结果输出
dict['array'] = out_array
save_matFile = 'fearture_of_35.mat'
sio.savemat(save_matFile, dict)
均值文件ResNet_mean.binaryproto转化mean.npy
#coding=utf-8
import caffe
import numpy as np MEAN_PROTO_PATH = 'ResNet_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 blob
data = open(MEAN_PROTO_PATH, 'rb' ).read() # 读入mean.binaryproto文件内容
blob.ParseFromString(data) # 解析文件内容到blob array = 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)
最新文章
- 使用NuGet助您玩转代码生成数据————Entity Framework 之 Code First
- PDF.NET 开发框架之 SOD框架 Ver 5.2 正式版开源源码发布
- STL---vector(向量)
- ubuntu14.04 键盘错位小问题
- SQL Server里的自旋锁介绍
- ruby的在ubuntu上的安装
- Java编程思想(一):大杂烩
- ANativeWindow是个什么东西
- 【疯狂Java讲义学习笔记】【数据类型与运算符】
- 【转】angular通过$http与服务器通信
- centos nginx
- Java学习笔记--Socket和ServerSocket
- 【一天一道LeetCode】#64. Minimum Path Sum.md
- Java 高级框架——Mybatis(一)
- Ubuntu忘记超级用户root密码,重新设置密码
- Tomcat性能优化之(一) 启动GZIP压缩
- ping 原理与ICMP协议[转]
- 使用java代码编辑oracle数据库
- CTR的贝叶斯平滑
- CSS 左边div固定,右边div自适应