caffe 抽取特征例子

《caffe 抽取特征例子》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://blog.csdn.net/guoyilin/article/details/42886483caffec++抽取图片特征http://www.cnblogs.com/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 mkdirexamples/_temp 2.根据examples/i

2、mages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-typef-exececho{};>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

3、_ilsvrc_aux.sh4.将网络定义prototxt文件复制到_temp文件夹下cpexamples/feature_extraction/imagenet_val.prototxtexamples/_temp提取特征 1.创建src/youname/文件夹，存放我们自己的脚本mkdirsrc/yournamecaffec++抽取图片特征分类：机器学习2015-01-1922:471599人阅读评论(8)收藏举报featurecaffec++caffec++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

4、式。2. ./build/tools/extract_featuresmini-batch是代表什么意思，和imagenet_val.prototxt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]viewplaincopyprint?1../build/tools/extract_features models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/im

5、agenet_val.prototxt fc7 examples/_temp/features 10  ./build/tools/extract_featuresmodels/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodelexamples/_temp/imagenet_val.prototxtfc7examples/_temp/features10其中，10是mini-batch,假设imagenet_val.prototxt的batchessize是128，那么程序将抽取128*10个图片的

6、特征。如果你有100张图片，你可以设置mini-batch=1,batchessize=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]viewplaincopyprint?1.import numpy as np  2.import caffe  3.import sys 

7、 4.from caffe.proto import caffe_pb2  1.  2.#parse argument  3.dbName = sys.argv[1]  4.featureFile = sys.argv[2]  5.output = open(featureFile, 'w')  importnumpyasnp importcaffe importsys fromcaffe.protoimportcaffe_pb2 #parseargument dbName=sys.argv[1] featureFile=sys.argv[2] output=o

8、pen(f