caffe：使用C++来提取任意一张图片的特征

Bertha 。 2022-06-12 03:23 166阅读 0赞

#### 0x00 ####

关于使用C++接口来提取特征，caffe官方提供了一个extract\_features.cpp的例程，但是这个文件的输入是blob数据，即使输入层使用的是ImageData，也需要在deploy.prototxt中指定图片的位置，很不方便。

如果想要使用opencv来读取一个图片，然后用caffe训练好的model提取特征，就需要对输入层进行改写。另外官方例程默认的输出是leveldb格式，我们也可以获取float类型的多维特征（数组），这样集成到我们的项目中更灵活。

#### 0x01 ####

首先我们需要改写deploy.prototxt的输入层为"MemoryData"：

layer {
       
      name: "data"
      type: "MemoryData"
      top: "data"
      top: "label"
      
      memory_data_param{
       
        batch_size:1
        channels:3
        height:100
        width:100
      }
    }

在之前的训练中可能使用的是"ImageData"、"Data"之类的，现在改成MemoryData不影响。

#### 0x02 ####

我准备提取的层的名字是"res5\_6"，就是"InnerProduct"的前一层，当我想提取"InnerProduct"全连接层的输出时，总是报错，提示原始参数和网络参数不匹配（就是训练好的model和现在deploy的网络维度不一样），所以只好提取前一层了，并且要把全连接层屏蔽掉，屏蔽的方法是把prototxt里相应层的名字改掉就好（相对于caffemodel里面的名字）。\[以上问题暂时还没解决，留坑\]

#### 0x03 ####

下面是更改之后的 extract\_features.cpp的代码：

#include <stdio.h> 
    #include <string>
    #include <vector>
    #include <iostream>
    
    #include <opencv2/opencv.hpp>
    #include "boost/algorithm/string.hpp"
    #include "google/protobuf/text_format.h"
    #include "caffe/blob.hpp"
    #include "caffe/common.hpp"
    #include "caffe/net.hpp"
    #include "caffe/proto/caffe.pb.h"
    #include "caffe/util/io.hpp"
    #include "caffe/layers/memory_data_layer.hpp"
    
    #define NetTy float 
    
    using namespace caffe;
    using std::cout;
    using std::endl;
    using std::string;
    
    
    /* 加载模型函数 */
    template <typename Dtype>
    caffe::Net<Dtype>* loadNet(std::string param_file, std::string pretrained_param_file, caffe::Phase phase)
    {
        
        caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, phase));
    
        net->CopyTrainedLayersFrom(pretrained_param_file);
    
        return net;
    }
    
    int main()
    {
        
        cv::Mat src;
    
        src = cv::imread("face_example/test.jpg"); // 读取测试图片
        cv::resize(src, src, cv::Size(100, 100)); // 这里要将图片resize到prototxt里面的输入层指定的大小
    
        caffe::Net<NetTy>* _net = loadNet<NetTy>("face_example/face_deploy.prototxt", "face_example/face.caffemodel", caffe::TEST); // 加载网络定义文件和参数模型
    
        caffe::MemoryDataLayer<NetTy> *m_layer = (caffe::MemoryDataLayer<NetTy> *)_net->layers()[0].get(); // 定义个内存数据层指针
        
        std::vector<cv::Mat> dv = {
         src }; // AddMatVector(const vector<cv::Mat>& mat_vector,const vector<int>& labels)
        std::vector<int> label = {
         0 };    // -------------------------------------------------------------------------
    
        m_layer->AddMatVector(dv, label); // 把图片和标签，添加到 MemoryData层
    
        std::vector<caffe::Blob<NetTy>*> input_vec;  // 无意义，为了函数参数需要
        _net->Forward(input_vec);                    // 执行一次前向计算
    
        boost::shared_ptr<caffe::Blob<NetTy>> layerData = _net->blob_by_name("res5_6");  // 获得指定层的输出
    
        const NetTy* pstart = layerData->cpu_data(); // res5_6->cpu_data()返回的是多维数据（数组）
                          
        /*-----输出特征-----*/
        for (int i = 0; i < 30000; i++)
        {
        
            std::cout << *pstart << endl;
    
            pstart++;
        }
    
        return 0;
    }