如何在MATALB中调用libMR

​
因为个人项目原因，我曾将参考OpenMax源码GitHub - abhijitbendale/OSDN: Code and data for the research paper “Towards Open Set Deep Networks” A Bendale, T Boult, CVPR 2016将其转换到MATLAB使用。

OpenMax 使用极值理论实现对开放集的筛选，在计算得分时需要用libMR 包，用于计算 weibull 概率分布。因此，训练过程中会需要fit_high() 函数用于提取右端极大值数据进行拟合，保存每一个类别拟合的MetaRecognition 对象。测试时调用预测类别 MetaRecognition 对象的CDF() 函数计算得分，获得预测样本的得分。

为了能够在 MATLAB 中实现调用 libMR ，我做出了如下操作：

• 定义了一个句柄类 MetaRecognitionHandle，里面封装一些与 MetaRecognition
  相关的操作，主要是封装了需要使用到的函数，使得这些操作可以在 MATLAB 中以面向对象的方式调用。

• 针对要用到的函数定义对应的 mexfunction文件，实现对 fit_high() 和CDF() 函数的调用。

• MATLAB 命令行一次运行 mex XXX.cpp。

为了在 MATLAB 中保存 MetaRecognition 对象，我在运行 MATLAB 代码时为每一个 MetaRecognition 对象开辟一个相应的内存空间，用于调用相应类别拟合成的对象所对应的函数。

classdef MetaRecognitionHandle < handle
    properties (Access = private)
        ObjectHandle; % 存储C++对象指针
    end
    methods
        function obj = MetaRecognitionHandle()
            obj.ObjectHandle = mexCreateMetaRecognition(); % 创建MetaRecognition对象的MEX函数
        end
        function delete(obj)
            mexDeleteMetaRecognition(obj.ObjectHandle); % 销毁MetaRecognition对象的MEX函数
        end
        function c=fitHigh(obj, tailToFit, tailSize)
            c=mexFitHigh(obj.ObjectHandle, tailToFit, tailSize); % 调用fit_high的MEX函数
        end
        function score = wScore(obj, channelDistance)
            score = mexWScore(obj.ObjectHandle, channelDistance); % 调用w_score的MEX函数
        end
    end
end

​fit_high() 函数对应 mexFitHigh.cpp

#include "mex.h"
#include "MetaRecognition.h"

void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) {
    if (nrhs != 3) {
        mexErrMsgIdAndTxt("MetaRecognition:nlhs", "3 is needed.");
    }

    MetaRecognition* mr = reinterpret_cast<MetaRecognition*>(*((uint64_t*)mxGetData(prhs[0])));

    
    double* tailToFit = mxGetPr(prhs[1]);
    size_t tailSize = static_cast<size_t>(mxGetScalar(prhs[2]));
 
  
    plhs[0] = mxCreateDoubleScalar(mr->FitHigh(tailToFit, tailSize, tailSize));
}

CDF() 函数对应 mexWScore.cpp

#include "mex.h"
#include "MetaRecognition.h"

void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) {
    if (nrhs != 2) {
        mexErrMsgIdAndTxt("MetaRecognition:wScore:nrhs", "2 is need");
    }

    MetaRecognition* mr = reinterpret_cast<MetaRecognition*>(*((uint64_t*)mxGetData(prhs[0])));


    double channelDistance = mxGetScalar(prhs[1]);


    double score = mr->CDF(channelDistance);

    plhs[0] = mxCreateDoubleScalar(score);
}

mexCreateMetaRecognition.cpp

#include "mex.h"
#include "MetaRecognition.h"

void mexFunction(int nlhs, mxArray* plhs[], int nrhs, const mxArray* prhs[]) {
    MetaRecognition* mr = new MetaRecognition();
    plhs[0] = mxCreateNumericMatrix(1, 1, mxUINT64_CLASS, mxREAL);
    *((uint64_t*)mxGetData(plhs[0])) = reinterpret_cast<uint64_t>(mr);
}

mexDeleteMetaRecognition.cpp

#include "mex.h"
#include "MetaRecognition.h"

void mexFunction(int nlhs, mxArray* plhs[], int nrhs, const mxArray* prhs[]) {
    uint64_t handle = *((uint64_t*)mxGetData(prhs[0]));
    MetaRecognition* mr = reinterpret_cast<MetaRecognition*>(handle);
    delete mr;
}

调用方法

    tailToFit = sort(distance_scores, 'descend');
    tailToFit = tailToFit(1:tailsize); % 取最大的tailsize个值
    mr = MetaRecognitionHandle();
    mr.fitHigh(tailToFit, tailsize);

wScore =  categoryWeibull{3}.wScore(channelDistance);