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

本系列第一篇博客简单介绍了ImageData方法，由于该方法增加图片只能在网络配置文件里，灵活性欠佳。因此本篇博客继续上一篇，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
}
}

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;
}

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！