Windows Caffe 学习笔记（二）提取特征

这次的笔记是记录如何从预先训练的模型中提取特征。仍然是由于Windows版本Caffe的问题，绕了一些弯路。

      参考资料：Caffe官方文档：Extracting Features

Caffe-Windows下遇到过的问题、技巧、解决方案

正文如下：

1.选择运行的数据

在examples/下新建一个文件夹，命名为_temp：

选择使用系统自带的examples\images下的图片：

将它们的路径，写成一个文本文档，命名为file_list.txt。

在每个路径的最后加上0，官方文档的解释是：“The ImageDataLayer we’ll use expects labels after each filenames, so let’s add a 0 to the end of each line”

file_list.txt截图如下：

2.定义特征提取网络结构

将examples/eature_extraction/imagenet_val.prototxt复制到之前新建的_temp文件夹。

在实际过程中，从数据集中减去图像均值可以显著的改善分类的准确率，所以使用ILSVRC数据集的均值图像，具体位置在data/ilsvrc12/imagenet_mean.binaryproto.

打开imagenet_val.prototxt，修改以下两个路径，对应准确即可：

3.提取特征

首先去models\bvlc_reference_caffenet文件夹中，查看是否有bvlc_reference_caffenet.caffemodel文件。若没有，需要自行下载。下载地址在此文件夹的readme文档中：

好了 ，现在需要的文件都准备好了。写一个bat文件，就可以进行特征的提取了。bat文件代码如下：

<span style="font-size:14px;">cd ../../
"Build/x64/Debug/extract_features.exe" examples/_temp/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt conv5 examples/_temp/features 10 leveldb
pause</span>

注意：1.我是先cd进入Caffe的根目录，所以代码中的路径这样填写。

   2.conv5代表提取特征的blob的名称。我们也可以用其他层的名称，如fc7，pool3.

   3.对于数字10，官方文档解释为：“The last parameter above is the number of data mini-batches.”

   4.提取的特征保存在examples/_temp/features文件夹中。

在我的电脑上，bat文件运行结束的截图为：

进入examples/_temp/features，查看：