Pycaffe提取图片特征

代码:

import sys
import numpy as np
import caffe
import os
import time
import shutil
from PIL import Image

def get_image_files():
#获取path路径下所有图片的名字
    path = '/home/fwei/fdata/zhangye/img'
    files = os.listdir(path)
    s=[]
    for file in files:
        s.append(file)
    return s

def remove_bad_images():
#对于不能正常读取的图片,从文件夹下移除
    s = get_image_files()
    for image in s:
        try:
            image_file = '/home/fwei/fdata/zhangye/img/' +image
            img = Image.open(image_file)
            img.verify()
            #img = caffe.io.load_image(image_file)
        except IOError:
            print(image_file)
            shutil.move(image_file,'/home/fwei/fdata/errimg')

def extra_image_feature():
    model_file = '/home/fwei/caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
    deploy_prototxt = '/home/fwei/caffe/models/bvlc_reference_caffenet/deploy.prototxt'
    net = caffe.Net(deploy_prototxt,model_file,caffe.TEST)
    layer = 'fc7' #提取fc7层的特征
    if layer not in net.blobs:
        raise TypeError("Invalid layer name: " + layer)
    imagemean_file = '/home/fwei/caffe/python/caffe/imagenet/ilsvrc_2012_mean.npy'
    transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
    transformer.set_mean('data', np.load(imagemean_file).mean(1).mean(1))
    transformer.set_transpose('data', (2,0,1))
    transformer.set_raw_scale('data', 255.0)
    net.blobs['data'].reshape(1,3,227,227)   
    image_files = get_image_files()
    i=0
    caffe.set_device(0)
    caffe.set_mode_gpu()
    for input_image_file in image_files:
            img_file = '/home/fwei/fdata/zhangye/img/'+input_image_file
            print ('No '+str(i))
            print img_file
            print '_______________________________'
            img = caffe.io.load_image(img_file)
            net.blobs['data'].data[...] = transformer.preprocess('data', img)
            net.forward()
            feature_data = net.blobs[layer].data[0]
            feature_data = (feature_data - feature_data.min())/(feature_data.max() - feature_data.min())
            output_file = input_image_file+'.txt'
            with open(output_file, 'w') as f:
                np.savetxt(f,feature_data,fmt='%.10f',delimiter='\n')
            f.close()
            i+=1
     print i

remove_bad_images()
extra_image_feature()


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,012评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,628评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,653评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,485评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,574评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,590评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,596评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,340评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,794评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,102评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,276评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,940评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,583评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,201评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,441评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,173评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,136评论 2 352

推荐阅读更多精彩内容