Caffe C++API 提取任意一张图片的特征系列二----MemoryData

介绍一种更加灵活的方法，用MemoryData层输入数据，可以直接用opencv接口读入我们的图片再添加的网络中。 

第一个问题：仍然是工程建立问题，提示卷积层或其他层没有注册，解决方法与上一篇博客一样。可查看：http://blog.csdn.net/sunshine_in_moon/article/details/50125255 

第二个问题：网络配置文件的改写，因为使用MemoryData层。

layers{
  name: "data"
  type: MEMORY_DATA //MemoryData层类型，还有需要注意，MEMORY_DATA别画蛇添足加上引号，否则会报错！
  top: "data"
  top: "label" //最好写上，虽然后面没有用到
  transform_param{
    mirror: false
    crop_size:224
    mean_value:129.1863//三个通道的均值
    mean_value:104.7624
    mean_value:93.5940
  }
  memory_data_param{//以下四个参数与ImageData稍有不同，请注意
    batch_size:1
    channels:3
    height:224
    width:224
  }
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

第三个问题：代码，这段代码写的有点乱，请见谅！

template <typename Dtype>
caffe::Net<Dtype>* Net_Init_Load(
    std::string param_file, std::string pretrained_param_file, caffe::Phase phase)
{
    CheckFile(param_file);//CheckFile 是一个子函数我没有贴上，可以直接删掉这两行
    CheckFile(pretrained_param_file);

    caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, phase));

    net->CopyTrainedLayersFrom(pretrained_param_file);
    return net;
}

#define NetF float  //宏定义 很多人包括我自己刚开始看到NetF也很困惑，原来就是float

int main()
{
    /*
    boost::shared_ptr< Net<float> > feature_net;
    feature_net = Init_net();

    cv::Mat src1;
    src1 = cv::imread("test.jpg");
    //cv::imshow("img", src1);
    //cv::waitKey(0);
    //cv::destroyAllWindows();
    //cv::Mat rszimage;

    //// The mean file image size is 256x256, need to resize the input image to 256x256
    //cv::resize(src1, rszimage, cv::Size(244, 244));
    std::vector<cv::Mat> patches;
    patches.push_back(src1); // image is a cv::Mat, as I'm using #1416
    std::vector<int> labels;
    labels.push_back(0);

    boost::shared_ptr<  MemoryDataLayer<float> >memory_data_layer;
    memory_data_layer = boost::static_pointer_cast<MemoryDataLayer<float>>(feature_net->layer_by_name("data"));
    /*
    caffe::Datum data;
    caffe::ReadFileToDatum("test.jpg", &data);
    caffe::MemoryDataLayer<float> *m_layer_ = (caffe::MemoryDataLayer<float> *)feature_net->layers()[0].get();
    */
    /*
    memory_data_layer->AddMatVector(patches,labels);

    feature_net->ForwardPrefilled();

    float data1;
    data1 = Read_Feature_data(feature_net, "fc8");
    cout << data1 << endl;
    */

    /*从这里开始*/
    cv::Mat src1;
    src1 = cv::imread("test.jpg");
    //cv::Mat rszimages;

    //cv::resize(src1, rszimages, cv::Size(224, 224));
    std::vector<cv::Mat> dv = { src1 };//****输入的图片，注意格式，即使只有一张图片也要使用向量格式
    std::vector<int> label = { 0 };//**输入图片的标签（可随便写），也要注意是向量，这是由AddMatVector函数决定的

    //caffe::Datum data;
    //caffe::ReadFileToDatum("test.jpg", &data);

    caffe::Net<NetF>* _net = Net_Init_Load<NetF>("FACE_deploy.prototxt",
                                                "FACE.caffemodel", caffe::TEST);
    caffe::MemoryDataLayer<NetF> *m_layer_ = (caffe::MemoryDataLayer<NetF> *)_net->layers()[0].get();//**定义个内存数据层指针
    m_layer_->AddMatVector(dv, label);//***这两行很重要，是使用MemoryData层必须的，这是把图片和标签，添加到
    //**MemoryData层

    /*float loss = 0.0;
    std::vector<caffe::Blob<float>*> results = _net->ForwardPrefilled(&loss);*/

    int end_ind = _net->layers().size();
    std::vector<caffe::Blob<NetF>*> input_vec;

    clock_t start = clock();
    _net->Forward(input_vec);
    clock_t end = clock();
    double totaltime;
    totaltime = (double)(end - start) / CLOCKS_PER_SEC;
    cout << "\n此程序的运行时间为" << totaltime << "秒！" << endl;

    boost::shared_ptr<caffe::Blob<NetF>> fc8 = _net->blob_by_name("fc8");
    const NetF* pstart = fc8->cpu_data();// ***这里是重点！重点！重点！，在这里耽误了很长时间。注意这里是个指针
    //**也就是fc8->cpu_data()返回的一般是多维数据（可以看成是个数组），cout<<* pstart<<endl;这样只是打印出一个
    //***数？当然是一个数了，*pstart只代表数组的第一个数，因此想获得所有的数据必须用循环！
    std::cout << "It is right !!\n";
    //std::cout << m_layer_->width() << std::endl;
    //std::cout << pstart << endl;
    //std::cout << fc8->cpu_data() << endl;
    std::vector<double> V1;
    for (int i = 0; i < 2622; i++)//**必须用循环打印
    {
        std::cout << *pstart << endl;
        V1.push_back(*pstart);
        pstart++;
    }
    //std::cout << *pstart << endl;
    //std::cout << *(pstart++) << endl;
    cout << "\n此程序的运行时间为" << totaltime << "秒！" << endl;
    return 0;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79
• 80
• 81
• 82
• 83
• 84
• 85
• 86
• 87
• 88
• 89
• 90
• 91
• 92
• 93
• 94
• 95
• 96
• 97
• 98
• 99
• 100
• 101
• 102
• 103
• 104
• 105
• 106
• 107
• 108
• 109
• 110
• 111

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79
• 80
• 81
• 82
• 83
• 84
• 85
• 86
• 87
• 88
• 89
• 90
• 91
• 92
• 93
• 94
• 95
• 96
• 97
• 98
• 99
• 100
• 101
• 102
• 103
• 104
• 105
• 106
• 107
• 108
• 109
• 110
• 111

重点内容已经在注释上标明（前面加了**），希望这些对你有帮助！ 

写的比较匆忙，以后如有新的体会，会及时更新！