使用官方FCN模型测试自己的图片
2018-02-26 09:39
204 查看
用官方FCN模型测试自己的图片
官方模型下载好模型文件后,修改为自己需要的参数,具体如何修改可参考 博客 将文件根目录下的
infer.py换成如下代码
import numpy as np from PIL import Image import matplotlib.pyplot as plt import caffe # load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe im = Image.open('../data/che.jpg') in_ = np.array(im, dtype=np.float32) in_ = in_[:,:,::-1] in_ -= np.array((104.00698793,116.66876762,122.67891434)) in_ = in_.transpose((2,0,1)) # load net net = caffe.Net('deploy1.prototxt', 'siftflow-fcn8s-heavy.caffemodel', caffe.TEST) # shape for input (data blob is N x C x H x W), set data net.blobs['data'].reshape(1, *in_.shape) net.blobs['data'].data[...] = in_ # run net and take argmax for prediction net.forward() out = net.blobs['score_geo'].data[0].argmax(axis=0) # 注意此处的`score_geo`根据需要修改为合适的字符,例如`score` # 将输出转换到512x512大小 out2 = out.resize(512,512) for i=2:512: for j = 2:512: if out2(i,j) != out2(i-1,j-1) im(i,j)=128 else: continue plt.imshow(im) plt.axis('off') plt.savefig("test.png") plt.show()
至此,我们就可以测试自己的图片了。注意测试的图片类别必须是训练集包含的类别,不然可能出现随机值。
相关文章推荐
- PyTorch(三)——使用训练好的模型测试自己图片
- Caffe初试(三)使用caffe的cifar10网络模型训练自己的图片数据
- 使用caffe训练并且测试一个自己的模型
- 使用Tensorflow测试自己的分割网络模型
- mxnet实战笔记(1) - 使用自己的图片数据训练CNN模型
- tensorflow训练自己的数据集实现CNN图像分类2(保存模型&测试单张图片)
- 使用caffe训练并且测试一个自己的模型
- 使用caffe训练并且测试一个自己的模型
- caffe用自己的数据训练模型,并测试输出图片类别
- caffe(二): 利用训练好的MNIST模型测试自己的手写字符图片
- 【深度学习】笔记6:使用caffe中的CIFAR10网络模型和自己的图片数据训练自己的模型(步骤详解)
- Ubuntu下caffe:用自己的图片训练并测试AlexNet模型
- Tensorflow 如何使用自己cifar10训练模型检测一张任意的图片
- 使用caffe训练并且测试一个自己的模型
- 使用自己的图片测试MNIST训练效果(TensorFlow1.5+CNN)
- 使用lenet模型训练及预测自己的图片数据
- 使用caffe训练并且测试一个自己的模型
- 利用caffe训练好的模型测试自己的手写字体图片
- 使用caffe训练并且测试一个自己的模型
- mxnet 使用自己的图片数据训练CNN模型