#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)

 #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)