caffe Python特徵抽取

2021-07-31 20:27:03 字數 3299 閱讀 6256

caffe大家一般用到的深度學習平台都是這個，關於caffe的訓練通常一般都可以通過一些命令來執行，但是在deploy階段，如果是做實際的工程，那麼c++介面用得會相對比較多。但是caffe是支援python和matlab介面的，所以用python來做一些相關的特徵的處理以及額外的任務比較方便

這裡我主要是結合了caffe官網的例程，當然它給的例程是參照的ipython，然後以命令的形式，我主要做了一些相關的整合。當時也不知道怎麼提取一些相關特徵，上網一搜也基本上沒有乾淨、好的**。因此我在這裡介紹如何使用python做特徵的抽取。

首先你要確保你已經在安裝caffe時，編譯了python介面，我記得對應著的命令是make pycaffe，相關的介面是在在caffe_root\python目錄下，這個目錄裡面還是有乙個caffe模組，提供了一些使用python的基本類

這裡我把其例程中，以及一部分我新增的**都合到了一起，並且加了注釋，希望能對大家有幫助，這裡主要是三個函式

其中在transformer那裡需要根據自己的需求設定

import numpy as np


import matplotlib.pyplot as plt


import os


import caffe


import sys


import pickle


import struct


import sys,cv2


caffe_root = '../'


# 執行模型的prototxt


deployprototxt = '/home/chenjie/baiyan/caffe/models/compcar_model_c_all/deploy_louyihang.prototxt'


# 相應載入的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'


# 需要提取的影象列表


imagelistfile = '/home/chenjie/dataset/500carcnnretrieve/500ca***ceorig/images_total.txt'


imagebasepath = '/home/chenjie/dataset/500carcnnretrieve/500ca***ceorig'


gpuid = 4


postfix = '.classify_allcar1716_fc6'


# 初始化函式的相關操作


definitilize


():print


'initilize ... '


sys.path.insert(0, caffe_root + 'python')


caffe.set_mode_gpu()


caffe.set_device(gpuid)


net = caffe.net(deployprototxt, modelfile,caffe.test)


return net 


# 提取特徵並儲存為相應地檔案


defextractfeature


(imagelist, net):


# 對輸入資料做相應地調整如通道、尺寸等等


transformer = caffe.io.transformer()


transformer.set_transpose('data', (2,0,1))


transformer.set_mean('data', np.load(caffe_root + meanfile).mean(1).mean(1)) # mean pixel


transformer.set_raw_scale('data', 255) 


transformer.set_channel_swap('data', (2,1,0)) 


# set net to batch size of 1 如果較多就設定合適的batchsize 


net.blobs['data'].reshape(1,3,227,227) #這裡根據需要設定，如果網路中不一致，需要調整


# 讀取檔案列表


defreadimagelist


(imagelistfile):


imagelist = 


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


while(true):


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


ifnot line:


break


print


'read imagelist done image num ', len(imagelist)


return imagelist


if __name__ == "__main__":


net = initilize()


imagelist = readimagelist(imagelistfile) 


extractfeature(imagelist, net)

Caffe Python特徵抽取

caffe大家一般用到的深度學習平台都是這個，關於caffe的訓練通常一般都可以通過一些命令來執行，但是在deploy階段，如果是做實際的工程，那麼c 介面用得會相對比較多。但是caffe是支援python和matlab介面的，所以用python來做一些相關的特徵的處理以及額外的任務比較方便 這裡我...

文字特徵抽取

例項 文字特徵抽取 from sklearn.feature extraction import dictvectorizer from sklearn.feature extraction.text import countvectorizer import jieba defcountvec 對...

特徵選擇和特徵抽取

特徵提取演算法分為特徵選擇和特徵抽取兩大類。特徵選擇 不改變原始的特徵資料，只是選擇一部分出來。其中常用的特徵選擇演算法有 1 df document frequency 文件頻率 df 統計特徵詞出現的文件數量，用來衡量某個特徵詞的重要性 2 mi mutual information 互資訊法 ...