VGG16提取图像特征（torch7）

VGG16

loadcaffe

torch7

下载pretrained model,保存到当前目录下

 th> caffemodel_url = 'http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel'
 th> proto_url='https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-vgg_ilsvrc_16_layers_deploy-prototxt'
 th> os.execute('wget VGG_ILSVRC_16_layers.caffemodel' .. caffemodel_url)  
 th> os.execute('wget VGG_ILSVRC_16_layers_deploy.prototxt' .. proto_url)  

使用loadcaffe提取图像特征

require'torch'-- 使用th命令，可忽略
require'nn'-- 修改model用到nn包
require'loadcaffe'-- 加在caffe训练的包
require'image'-- 加载图像，处理图像，可以使用cv中函数替代
local loadSize = { 
3,256,256} -- 加载图像scale尺寸
local sampleSize = { 
3,224,224} -- 样本尺寸，其实就是选取scale后图像的中间一块
localfunction loadImage(input)
-- 将图像缩放到loadSize尺寸，为了保证aspect ratio不变，将短边缩放后，长边按比例缩放
if input:size(3) < input:size(2) then
 input = image.scale(input,loadSize[2],loadSize[3]*input:size(2)/input:size(3))  
-- 注意image.scale(src,width,height),width对应的是input:size[3],height对应的是input:size[2]
else
 input = image.scale(input,loadSize[2]*input:size(3)/input:size(2),loadSize[3])  
end
return input  
end
local bgr_means = { 
103.939,116.779,123.68} --VGG预训练中的均值
localfunction vggPreProcessing(img)
local img2=img:clone()  
 img2[{ 
{ 
1}}] =img2[{ 
{ 
3}}] -- image.load 加载图像是rgb格式，需转化维bgr
 img2[{ 
{ 
3}}] = img[{ 
{ 
1}}]  
 img2:mul(255) -- image.load()加载的图像 pixel value \in [0,1]
for i=1,3do
 img2[i]:add(-bgr_means[i]) -- 中心化
end
return img2  
end
localfunction centerCrop(input)
local oH = sampleSize[2]  
local oW = sampleSize[3]  
local iW = input:size(3)  
local iH = input:size(2)  
local w1 = math.ceil((iW-oW)/2)  
local h1 = math.ceil((iH-oH)/2)  
local out = image.crop(input,w1,h1,w1+oW,h1+oH)  
return out  
end
localfunction getPretrainedModel()
local proto = 'VGG_ILSVRC_16_layers_deploy.prototxt'
local caffemodel = '/home/zwzhou/modelZoo/VGG_ILSVRC_16_layers.caffemodel'
local model = loadcaffe.load(proto,caffemodel,'nn') -- 加载pretrained model
for i=1,3do-- 将最后3层舍掉
 model.modules[#model.modules]=nil
end
-- 删除pretrained model的一些层官方方法
-- ==========================
-- for i= 40,38,-1 do
-- model:remove(i)
-- end
-- ==========================
 model:add(nn.Normalize(2)) -- 添加一层正则化层，将输出向量归一化
 model:evaluate() -- self.training=false ，非训练，让网络参数不变
return model  
end
torch.setdefaulttensortype('torch.FloatTensor')  
model = getPretrainedModel()  
filepath = '/home/zwzhou/MOT16/train/MOT16-02/img1/000001.jpg'
local img1=image.load(filepath) -- rgb图像
local input = image.crop(img1,910,480,910+97,480+110) -- 里面参数时选择原图像的一个区域，boundingbox
input = loadImage(input)  
local vggPreProcessed = vggPreProcessing(input)  
local out = centerCrop(vggPreProcessed)  
local outputs = model:forward(out)  
print(outputs)  
print(#outputs)  