Caffe Python特征抽取
转载请注明出处，楼燚(yì)航的blog，
Caffe大家一般用到的深度学习平台都是这个，关于Caffe的训练通常一般都可以通过一些命令来执行，但是在deploy阶段，如果是做实际的工程，那么C++接口用得会相对比较多。但是Caffe是支持Python和Matlab接口的，所以用Python来做一些相关的特征的处理以及额外的任务比较方便
这里我主要是结合了Caffe官网的例程，当然它给的例程是参照的Ipython，然后以命令的形式，我主要做了一些相关的整合。当时也不知道怎么提取一些相关特征，上网一搜也基本上没有干净、好的代码。因此我在这里介绍如何使用Python做特征的抽取。
Python 接口
首先你要确保你已经在安装Caffe时，编译了Python接口，我记得对应着的命令是 make pycaffe，相关的接口是在在Caffe_Root\python目录下，这个目录里面还是有一个caffe模块，提供了一些使用python的基本类
抽取的代码
这里我把其例程中，以及一部分我添加的代码都合到了一起，并且加了注释，希望能对大家有帮助，这里主要是三个函数
- 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 npimport matplotlib.pyplot as pltimport osimport caffeimport sysimport pickleimport structimport sys,cv2caffe_root = '../' # 运行模型的prototxtdeployPrototxt = '/home/chenjie/baiyan/caffe/models/compcar_model_C_all/deploy_louyihang.prototxt'# 相应载入的modelfilemodelFile = '/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'# 需要提取的图像列表imageListFile = '/home/chenjie/DataSet/500CarCNNRetrieve/500CarFaceOrig/images_total.txt'imageBasePath = '/home/chenjie/DataSet/500CarCNNRetrieve/500CarFaceOrig'gpuID = 4postfix = '.classify_allCar1716_fc6'# 初始化函数的相关操作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 # 提取特征并保存为相应地文件def extractFeature(imageList, net): # 对输入数据做相应地调整如通道、尺寸等等 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)) # mean pixel transformer.set_raw_scale('data', 255) transformer.set_channel_swap('data', (2,1,0)) # set net to batch size of 1 如果图片较多就设置合适的batchsize net.blobs['data'].reshape(1,3,227,227) #这里根据需要设定，如果网络中不一致，需要调整 num=0 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) num +=1 print 'Num ',num,' extract feature ',fea_file with 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]))# 读取文件列表def readImageList(imageListFile): imageList = [] with open(imageListFile,'r') as fi: while(True): line = fi.readline().strip().split()# every line is a image file name if not line: break imageList.append(line[0]) print 'read imageList done image num ', len(imageList) return imageListif __name__ == "__main__": net = initilize() imageList = readImageList(imageListFile) extractFeature(imageList, net)