初识caffe的Matlab接口

最新推荐文章于 2019-04-26 15:10:17 发布

xuehaowang

最新推荐文章于 2019-04-26 15:10:17 发布

阅读量232

点赞数

机器学习专栏收录该内容

14 篇文章

订阅专栏

本文详细介绍如何使用VGG_FACE预训练模型进行人脸图像特征提取的过程。从图像读取、预处理，到利用Caffe框架加载模型并进行前向传播，最终获取图像的fc7层特征，用于后续的人脸识别或分类任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转自：https://www.cnblogs.com/wangnianbing/p/7287895.html

%  Copyright (c) 2015, Omkar M. Parkhi
%  All rights reserved.
clear all;
clc;
img = imread('ak.png');
img = double(img);

%训练的时候得到的每个通道平均值，在测试阶段需要每张图像减去对应通道的平均值
%对应的论文还没有看，好奇这里的均值不应该是图像大小么，类似于平均脸
averageImage = [129.1863,104.7624,93.5940] ;

img = cat(3,img(:,:,1)-averageImage(1),...
    img(:,:,2)-averageImage(2),...
    img(:,:,3)-averageImage(3));

img = img(:, :, [3, 2, 1]);%将RGB图像转换成BGR图像
model = 'VGG_FACE_deploy.prototxt'; %定义的网络结构都在其中
weights = 'VGG_FACE.caffemodel'; %用两百多万图片训练的权重参数
caffe.set_mode_gpu(); %设置GPU模式，GF820伤不起
net = caffe.Net(model, weights, 'test'）; %创建网络，加载权重系数，声明'test'是避免前向传播的时候使用dropout

res = net.forward({img}); %前向传播得到最后一层的输出结果，其中参数需要是cell类型
prob = res{1};

caffe_ft =net.blobs('fc7').get_data();%取出全连接层名字为fc7的数据，这里提取的数据一般可以作为特征再在其它分类器中使用