2015抽取特征例子.docVIP

/guoyilin/article/details caffe c++ 抽取图片特征 /platero/p/3967208.html 本文作者参考这个例子，抽取自己数据特征 数据模型与准备 安装好Caffe后，在examples/images文件夹下有两张示例图像，本文即在这两张图像上，用Caffe提供的预训练模型，进行特征提取，并进行可视化。 1. 进入caffe根目录，创建临时文件夹，用于存放所需要的临时文件 ? mkdir examples/_temp ? 2. 根据examples/images文件夹中的图片，创建包含图像列表的txt文件，并添加标签（0） ? find `pwd`/examples/images -type f -exec echo {} \; examples/_temp/temp.txtsed s/$/ 0/ examples/_temp/temp.txt examples/_temp/file_list.txt ? 3. 执行下列脚本，下载imagenet12图像均值文件，在后面的网络结构定义prototxt文件中，需要用到该文件 （data/ilsvrc212/imagenet_mean.binaryproto） data/ilsvrc12/get_ilsvrc_aux.sh 4. 将网络定义prototxt文件复制到_temp文件夹下 cp examples/feature_extraction/imagenet_totxt examples/_temp 提取特征 ?1. 创建 src/youname/ 文件夹， 存放我们自己的脚本 mkdir src/yourname caffe c++ 抽取图片特征 分类： 机器学习 2015-01-19 22:47 1599人阅读 评论(8) 收藏 举报 featurecaffec++ caffe c++批量抽取特征的方法在[1]，但是该方法使用中有几个疑问： 1. 如何转换levelDB 格式为libsvm格式。 2. ?./build/tools/extract_features mini-batch 是代表什么意思，和imagenet_totxt中的batch_size的关系是什么？ 本文主要解决如上两个问题，具体extract_features源代码还需要进一步分析。 第一个问题， [plain] view plaincopyprint? ./build/tools/extract_features?models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel?examples/_temp/imagenet_totxt?fc7?examples/_temp/features?10?? ./build/tools/extract_features models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_totxt fc7 examples/_temp/features 10 其中，10 是mini-batch, 假设imagenet_totxt的batches size是128， 那么程序将抽取128 * 10个图片的特征。如果你有100张图片， 你可以设置mini-batch = 1, batches size = 100.如果你的image个数是1283， 那么如上数值的设置会是的leveldb多出3个无用的feature，这个需要注意， 我测试过好像是会重复之前的图片，具体需要研究源代码。第二个问题， 特征保存的格式为leveldb，如果需要用libsvm的格式访问特征，可以用python 进行转换， 程序如下， 这里感谢bean的程序[1]： [python] view plaincopyprint? import?numpy?as?np?? import?caffe?? import?sys?? from?to?import?caffe_pb2?? ?? #parse?argument ?? dbName?=?sys.argv[1]?? featureFile?=?sys.argv[2]?? output?=?open(featureFile,?w)?? import numpy as np import caffe import sys from to import caffe_pb2 #parse argument dbName = sys.argv[1] featureFile = sy