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
npimport matplotlib.pyplot 
asplt
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
def initilize():
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
def extractfeature(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
def readimagelist(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
0]) 
print 
'read imagelist done image num 
', len(imagelist)
return
imagelist
if __name__ == "
__main__":
net =initilize()
imagelist =readimagelist(imagelistfile) 
extractfeature(imagelist, net)

還沒有嘗試，等跑完模型試試特徵提取；

Caffe Python特徵抽取

caffe Python特徵抽取

文字特徵抽取

特徵選擇和特徵抽取

Caffe Python特徵抽取

caffe Python特徵抽取

文字特徵抽取

特徵選擇和特徵抽取

相關推薦