前言

前几天看到了雅虎开源了一个色情图片的识别模型新闻，上Github一看，是基于caffe的。试了试，模型效果很赞。Github地址：https://github.com/yahoo/open_nsfw

至于测试的数据集，就自行找图吧（逃

关于在程序中使用caffe可以戳我的这一篇博客：http://blog.csdn.net/mr_curry/article/details/52443126
（如何在程序中像使用OpenCV一样使用caffe）

准备

下载好模型和配置文件，观察网络结构。

输入的图片需为彩色图片，尺寸为224*224（Vgg的网络也是224*224）.根据最后一层，Softmax将会输出一个概率（图片有多色？）

再打开压缩包中的.py文件，我们可以观察到图像的均值：

我们对网络结构做如下修改，使用MemoryData层：

代码：

为了表示的更为明显，可以用line函数进行画线：波动越大，表示当前图片越...

caffe_predefine.h:

#include "caffe/layers/input_layer.hpp"

#include "caffe/layers/inner_product_layer.hpp"

#include "caffe/layers/dropout_layer.hpp"

#include "caffe/layers/conv_layer.hpp"

#include "caffe/layers/relu_layer.hpp"

#include <iostream>

#include "caffe/caffe.hpp"

#include <opencv.hpp>

#include <caffe/layers/memory_data_layer.hpp>

#include "caffe/layers/pooling_layer.hpp"

#include "caffe/layers/lrn_layer.hpp"

#include "caffe/layers/softmax_layer.hpp"

#include <caffe/layers/batch_norm_layer.hpp>

#include <caffe/layers/scale_layer.hpp>

#include <caffe/layers/eltwise_layer.hpp>

#include <caffe/layers/bias_layer.hpp>

caffe::MemoryDataLayer<float> *memory_layer;

caffe::Net<float>* net;

DrawLine.h:

#include <opencv.hpp>

using namespace cv;

using namespace std;

void DrawLine(Mat T,vector<Point> point_array);

load_model.h:

#include <opencv.hpp>

using namespace cv;

using namespace std;

void Caffe_Predefine();

float getProb(Mat source);

load_model.cpp:

#include <caffe_predefine.h>

#include <load_model.h>

namespace caffe

{

	extern INSTANTIATE_CLASS(InputLayer);

	extern INSTANTIATE_CLASS(InnerProductLayer);

	extern INSTANTIATE_CLASS(DropoutLayer);

	extern INSTANTIATE_CLASS(ConvolutionLayer);

	REGISTER_LAYER_CLASS(Convolution);

	extern INSTANTIATE_CLASS(ReLULayer);

	REGISTER_LAYER_CLASS(ReLU);

	extern INSTANTIATE_CLASS(PoolingLayer);

	REGISTER_LAYER_CLASS(Pooling);

	extern INSTANTIATE_CLASS(LRNLayer);

	REGISTER_LAYER_CLASS(LRN);

	extern INSTANTIATE_CLASS(SoftmaxLayer);

	REGISTER_LAYER_CLASS(Softmax);

	extern INSTANTIATE_CLASS(MemoryDataLayer);

	extern INSTANTIATE_CLASS(BatchNormLayer);

	extern INSTANTIATE_CLASS(ScaleLayer);

	extern INSTANTIATE_CLASS(EltwiseLayer);

	extern INSTANTIATE_CLASS(BiasLayer);

}

template <typename Dtype>

caffe::Net<Dtype>* Net_Init_Load(std::string param_file, std::string pretrained_param_file, caffe::Phase phase)

{

	caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, caffe::TEST));

	net->CopyTrainedLayersFrom(pretrained_param_file);

	return net;

}

void Caffe_Predefine()//when our code begining run must add it

{

	caffe::Caffe::set_mode(caffe::Caffe::CPU);

	net = Net_Init_Load<float>("open_nsfw_memorydata.prototxt", "resnet_50_1by2_nsfw.caffemodel", caffe::TEST);

	memory_layer = (caffe::MemoryDataLayer<float> *)net->layers()[0].get();

}

float getProb(Mat source)

{

	vector<Mat> test;

	vector<int> label;

	test.push_back(source);

	label.push_back(0);

	memory_layer->AddMatVector(test, label);// memory_layer and net , must be define be a global variable.

	std::vector<caffe::Blob<float>*> input_vec;

	net->Forward(input_vec);

	boost::shared_ptr<caffe::Blob<float>  > prob = net->blob_by_name("prob");

	return prob->data_at(0, 0, 1, 0);

}

DrawLine.cpp:

#include <DrawLine.h>

void DrawLine(Mat T, vector<Point> point_array)

{

	for (int i = 1; i < point_array.size();i++)

		line(T, point_array[i-1], point_array[i], Scalar(0, 0, 255), 3);

}

Main.cpp:

#include <load_model.h>

#include <DrawLine.h>

#define X 0

#define Y 200

int main()

{

	Caffe_Predefine();

	VideoCapture cap("test.mp4");

	Mat frame;

	float x = 1, y;

	vector<Point> point_array;

	Point T_s(X, Y);

	point_array.push_back(T_s);

	while (true)

	{

		cap >> frame;

		if (!frame.empty())

		{

			y = getProb(frame);

			cout <<"当前概率为"<< y << endl;

			Point T_l(X+x++, (Y-100*y));//*100为了更为明显显示

			point_array.push_back(T_l);

			DrawLine(frame, point_array);

			imshow("NSFW", frame);

			waitKey(1);

		}

		else

		{

			break;

		}

	}

}

效果：

使用了某预告片来做显示：

巴特西

【严肃脸】使用caffe实现色情图片的识别

前言

准备

下载好模型和配置文件，观察网络结构。

代码：

效果：

最新文章

热门文章