3139人阅读
机器学习（52）
深度学习（22）
Python（39）
本文参考如下：
关于如何批量提取特征，本文的框架如下：
１. 准备数据及相应准备工作
２. 初始化网络
３.读取图像列表
４.提取图像特征，并保存为特定格式
Python方法一
主要有三个函数：
initialize () 初始化网络的相关
readlist() 读取抽取图像列表
extractFeatre() 抽取图像的特征，保存为指定的格式
其中在transformer那里需要根据自己的需求设定
import numpy as np
import matplotlib.pyplot as plt
import caffe
import sys
import pickle
import struct
import sys,cv2
caffe_root = '../'
deployPrototxt =
'/home/bids/caffe/caffe-master/changmiao/model/deploy.prototxt'
modelFile = '/home/bids/caffe/caffe-master/changmiao/model/bvlc_reference_caffenet.caffemodel'
meanFile = 'python/caffe/imagenet/ilsvrc_2012_mean.npy'
imageListFile = '/home/bids/caffe/caffe-master/changmiao/data/temp.txt'
imageBasePath = '/home/bids/caffe/caffe-master/changmiao/data/cat'
postfix = '.classify_allCar1716_fc6'
def initilize():
print 'initilize ... '
sys.path.insert(0, caffe_root + 'python')
caffe.set_mode_gpu()
net = caffe.Net(deployPrototxt, modelFile,caffe.TEST)
return net
def extractFeature(imageList, net):
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
transformer.set_mean('data', np.load(caffe_root + meanFile).mean(1).mean(1))
transformer.set_raw_scale('data', 255)
transformer.set_channel_swap('data', (2,1,0))
net.blobs['data'].reshape(1,3,227,227)
for imagefile in imageList:
imagefile_abs = os.path.join(imageBasePath, imagefile)
print imagefile_abs
net.blobs['data'].data[...] = transformer.preprocess('data', caffe.io.load_image(imagefile_abs))
out = net.forward()
fea_file = imagefile_abs.replace('.jpg',postfix)
print 'Num ',num,' extract feature ',fea_file
open(fea_file,'wb') as f:
for x in xrange(0, net.blobs['fc6'].data.shape[0]):
for y in xrange(0, net.blobs['fc6'].data.shape[1]):
f.write(struct.pack('f', net.blobs['fc6'].data[x,y]))
def readImageList(imageListFile):
imageList = []
with open(imageListFile,'r') as fi:
while(True):
line = fi.readline().strip().split()
if not line:
imageList.append(line[0])
print 'read imageList done image num ', len(imageList)
return imageList
if __name__ == "__main__":
net = initilize()
imageList = readImageList(imageListFile)
extractFeature(imageList, net)
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：193554次
积分：3449
积分：3449
排名：第9060名
原创：129篇
转载：162篇
评论：43条
(16)(12)(18)(12)(6)(6)(9)(15)(3)(7)(26)(7)(8)(12)(33)(25)(24)(3)(1)(1)(1)(6)(1)(2)(1)(37)rcnn-master 区域卷积网络 深度学习在目标检测、图像分割方面的应用代码 基于caffe操作平台 Special Effects 图形 处理 272万源代码下载-
&文件名称: rcnn-master& & [
& & & & &&]
&&所属分类:
&&开发工具: Visual C++
&&文件大小: 180 KB
&&上传时间:
&&下载次数: 157
&&提 供 者:
&详细说明：区域卷积网络 深度学习在目标检测、图像分割方面的应用代码 基于caffe操作平台-region convolutional net ,the adaptin of dep learning on object detection and segmentation
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&rcnn-master&&...........\.gitignore&&...........\000084.jpg&&...........\LICENSE&&...........\README.md&&...........\bbox_regression&&...........\...............\rcnn_predict_bbox_regressor.m&&...........\...............\rcnn_test_bbox_regressor.m&&...........\...............\rcnn_train_bbox_regressor.m&&...........\...............\vis_debug_bbox_pred.m&&...........\bin&&...........\...\README.md&&...........\cachedir&&...........\........\README.md&&...........\data&&...........\....\README.md&&...........\....\fetch_data.sh&&...........\datasets&&...........\........\VOCdevkit2007&&...........\........\VOCdevkit2010&&...........\........\VOCdevkit2012&&...........\experiments&&...........\...........\configs.m&&...........\...........\rcnn_exp_bbox_reg_train_and_test.m&&...........\...........\rcnn_exp_cache_features.m&&...........\...........\rcnn_exp_train_and_test.m&&...........\...........\rcnn_run_pool5_explorer.m&&...........\external&&...........\........\README.txt&&...........\........\liblinear-1.94&&...........\........\..............\COPYRIGHT&&...........\........\..............\Makefile&&...........\........\..............\Makefile.win&&...........\........\..............\README&&...........\........\..............\blas&&...........\........\..............\....\Makefile&&...........\........\..............\....\blas.h&&...........\........\..............\....\blasp.h&&...........\........\..............\....\daxpy.c&&...........\........\..............\....\ddot.c&&...........\........\..............\....\dnrm2.c&&...........\........\..............\....\dscal.c&&...........\........\..............\heart_scale&&...........\........\..............\linear.cpp&&...........\........\..............\linear.def&&...........\........\..............\linear.h&&...........\........\..............\matlab&&...........\........\..............\......\Makefile&&...........\........\..............\......\README&&...........\........\..............\......\libsvmread.c&&...........\........\..............\......\libsvmwrite.c&&...........\........\..............\......\linear_model_matlab.c&&...........\........\..............\......\linear_model_matlab.h&&...........\........\..............\......\make.m&&...........\........\..............\......\predict.c&&...........\........\..............\......\train.c&&...........\........\..............\predict.c&&...........\........\..............\python&&...........\........\..............\......\Makefile&&...........\........\..............\......\README&&...........\........\..............\......\liblinear.py&&...........\........\..............\......\liblinearutil.py&&...........\........\..............\train.c&&...........\........\..............\tron.cpp&&...........\........\..............\tron.h&&...........\feat_cache&&...........\..........\README.md&&...........\finetuning&&...........\..........\rcnn_make_window_file.m&&...........\..........\voc_2007_prototxt&&...........\..........\.................\pascal_finetune_solver.prototxt&&...........\..........\.................\pascal_finetune_train.prototxt&&...........\..........\.................\pascal_finetune_val.prototxt&&...........\..........\voc_2012_prototxt&&...........\..........\.................\pascal_finetune_solver.prototxt&&...........\..........\.................\pascal_finetune_train.prototxt&&...........\..........\.................\pascal_finetune_val.prototxt&&...........\imdb&&...........\....\cache&&...........\....\.....\README.md&&...........\....\get_voc_opts.m&&...........\....\imdb_eval_voc.m&&...........\....\imdb_from_voc.m&&...........\....\roidb_from_voc.m&&...........\model-defs&&...........\..........\imagenet_deploy.prototxt&&...........\..........\imagenet_rcnn_batch_256_output_pool5.prototxt&&...........\..........\pascal_finetune_deploy.prototxt&&...........\..........\rcnn_batch_256_output_fc6.prototxt&&...........\..........\rcnn_batch_256_output_fc7.prototxt&&...........\..........\rcnn_batch_256_output_pool5.prototxt&&...........\nms&&...........\...\nms.m&&...........\rcnn_build.m&&...........\rcnn_cache_pool5_features.m&&...........\rcnn_config.m&&...........\rcnn_config_local.example.m&&...........\rcnn_create_model.m&&...........\rcnn_demo.m&&...........\rcnn_detect.m
&[]:很好，推荐下载&[]:和说明完全不符&[]:很好，推荐下载
&近期下载过的用户:
&&&&&&&&&&&&&&&&&&&&&[]
&相关搜索:
&输入关键字，在本站272万海量源码库中尽情搜索：
&[] - rcnn,Region Based CNN,即基于区域的卷积神经网络代码，在许多数据集上刷新了识别记录，这是其实现代码，研究深度学习的同学可以下载，比较有帮助。
&[] - 利用神经网络进行图像基本操作变换，去噪，平移，旋转，图像分割等。
&[] - 开源深度学习架构caffe的源代码，请使用visual studio进行编译
&[] - 深度学习理论下的深度波尔兹曼机（DBM），用于图像的自动的特征提取及识别。
&[] - CNN卷积神经网络MATLAB源代码
&[] - caffe在windows下的版本，可直接在windows环境下结合cuda搭建并行的卷积神经网络框架
&[] - 深度学习模型
单层rbm VC++平台 可直接编译执行
&[] - 主要讲述深度学习的一篇很有用很有用的论文，是最初提出来的，很好，很有帮助
&[] - 深度学习的入门级介绍,可以了解基本算法基本知识，很适合初学者
&[] - 这是深度学习的工具箱，对于深度学习的人来说，是比较好的工具你正在使用的浏览器版本过低，将不能正常浏览和使用知乎。