深度学习（七）caffe源码c++学习笔记

caffe源码c++学习笔记

原文地址：http://blog.csdn.net/hjimce/article/details/48933845

作者：hjimce

一、预测分类

最近几天为了希望深入理解caffe，于是便开始学起了caffe函数的c++调用，caffe的函数调用例子网上很少，需要自己慢慢的摸索，即便是找到了例子，有的时候caffe版本不一样，也会出现错误。对于预测分类的函数调用，caffe为我们提供了一个例子，一开始我懒得解读这个例子，网上找了一些分类预测的例子，总是会出现各种各样的错误，于是没办法最后只能老老实实的学官方给的例子比较实在，因此最后自己把代码解读了一下，然后自己整理成自己的类，这个类主要用于训练好模型后，我们要进行调用预测一张新输入图片的类别。

头文件：

/*
 * Classifier.h
 *
 *  Created on: Oct 6, 2015
 *      Author: hjimce
 */

#ifndef CLASSIFIER_H_
#define CLASSIFIER_H_


#include <caffe/caffe.hpp>

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <algorithm>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>


using namespace caffe;
using std::string;

/* std::pair (标签, 属于该标签的概率)*/
typedef std::pair<string, float> Prediction;

class Classifier
{
 public:
	Classifier(const string& model_file, const string& trained_file,const string& mean_file);
	std::vector<Prediction> Classify(const cv::Mat& img, int N = 1);//N的默认值，我选择1，因为我的项目判断的图片，一般图片里面就只有一个种类
	void SetLabelString(std::vector<string>strlabel);//用于设置label的名字，有n个类，那么就有n个string的名字
private:

	void SetMean(const string& mean_file);

   std::vector<float> Predict(const cv::Mat& img);

   void WrapInputLayer(std::vector<cv::Mat>* input_channels);

   void Preprocess(const cv::Mat& img,
                  std::vector<cv::Mat>* input_channels);

private:
   shared_ptr<Net<float> > net_;//网络
   cv::Size input_geometry_;//网络输入图片的大小cv::Size（height，width）
   int num_channels_;//网络输入图片的通道数
   cv::Mat mean_;//均值图片
   std::vector<string> labels_;
};


#endif /* CLASSIFIER_H_ */

源文件：

/*
 * Classifier.cpp
 *
 *  Created on: Oct 6, 2015
 *      Author: hjimce
 */

#include "Classifier.h"
using namespace caffe;
Classifier::Classifier(const string& model_file,const string& trained_file,const string& mean_file)
{
	//设置计算模式为CPU
  Caffe::set_mode(Caffe::CPU);


 //加载网络模型，
  net_.reset(new Net<float>(model_file, TEST));
  //加载已经训练好的参数
  net_->CopyTrainedLayersFrom(trained_file);

  CHECK_EQ(net_->num_inputs(), 1) << "Network should have exactly one input.";
  CHECK_EQ(net_->num_outputs(), 1) << "Network should have exactly one output.";
 //输入层
  Blob<float>* input_layer = net_->input_blobs()[0];
  num_channels_ = input_layer->channels();
  //输入层一般是彩色图像、或灰度图像，因此需要进行判断，对于Alexnet为三通道彩色图像
  CHECK(num_channels_ == 3 || num_channels_ == 1)<< "Input layer should have 1 or 3 channels.";
  //网络输入层的图片的大小，对于Alexnet大小为227*227
  input_geometry_ = cv::Size(input_layer->width(), input_layer->height());

 //设置均值
  SetMean(mean_file);

}

static bool PairCompare(const std::pair<float, int>& lhs,
                        const std::pair<float, int>& rhs) {
  return lhs.first > rhs.first;
}

//函数用于返回向量v的前N个最大值的索引，也就是返回概率最大的五种物体的标签
//如果你是二分类问题，那么这个N直接选择1
static std::vector<int> Argmax(const std::vector<float>& v, int N)
{
	//根据v的大小进行排序，因为要返回索引，所以需要借助于pair
  std::vector<std::pair<float, int> > pairs;
  for (size_t i = 0; i < v.size(); ++i)
    pairs.push_back(std::make_pair(v[i], i));
  std::partial_sort(pairs.begin(), pairs.begin() + N, pairs.end(), PairCompare);

  std::vector<int> result;
  for (int i = 0; i < N; ++i)
    result.push_back(pairs[i].second);
  return result;
}

//预测函数，输入一张图片img，希望预测的前N种概率最大的，我们一般取N等于1
//输入预测结果为std::make_pair，每个对包含这个物体的名字，及其相对于的概率
std::vector<Prediction> Classifier::Classify(const cv::Mat& img, int N) {
  std::vector<float> output = Predict(img);

  N = std::min<int>(labels_.size(), N);
  std::vector<int> maxN = Argmax(output, N);
  std::vector<Prediction> predictions;
  for (int i = 0; i < N; ++i) {
    int idx = maxN[i];
    predictions.push_back(std::make_pair(labels_[idx], output[idx]));
  }

  return predictions;
}
void Classifier::SetLabelString(std::vector<string>strlabel)
{
	labels_=strlabel;
}









//加载均值文件
void Classifier::SetMean(const string& mean_file)
{
  BlobProto blob_proto;
  ReadProtoFromBinaryFileOrDie(mean_file.c_str(), &blob_proto);

  /*把BlobProto 转换为 Blob<float>类型 */
  Blob<float> mean_blob;
  mean_blob.FromProto(blob_proto);
  //验证均值图片的通道个数是否与网络的输入图片的通道个数相同
  CHECK_EQ(mean_blob.channels(), num_channels_)<< "Number of channels of mean file doesn't match input layer.";

 //把三通道的图片分开存储，三张图片按顺序保存到channels中
  std::vector<cv::Mat> channels;
  float* data = mean_blob.mutable_cpu_data();
  for (int i = 0; i < num_channels_; ++i) {

    cv::Mat channel(mean_blob.height(), mean_blob.width(), CV_32FC1, data);
    channels.push_back(channel);
    data += mean_blob.height() * mean_blob.width();
  }

//重新合成一张图片
  cv::Mat mean;
  cv::merge(channels, mean);

//计算每个通道的均值，得到一个三维的向量channel_mean，然后把三维的向量扩展成一张新的均值图片
  //这种图片的每个通道的像素值是相等的，这张均值图片的大小将和网络的输入要求一样
  cv::Scalar channel_mean = cv::mean(mean);
  mean_ = cv::Mat(input_geometry_, mean.type(), channel_mean);
}
//预测函数，输入一张图片
std::vector<float> Classifier::Predict(const cv::Mat& img)
{
	//？
	Blob<float>* input_layer = net_->input_blobs()[0];
    input_layer->Reshape(1, num_channels_, input_geometry_.height, input_geometry_.width);
    net_->Reshape();
   //输入带预测的图片数据，然后进行预处理，包括归一化、缩放等操作
    std::vector<cv::Mat> input_channels;
    WrapInputLayer(&input_channels);

    Preprocess(img, &input_channels);
   //前向传导
    net_->ForwardPrefilled();

  //把最后一层输出值，保存到vector中，结果就是返回每个类的概率
  Blob<float>* output_layer = net_->output_blobs()[0];
  const float* begin = output_layer->cpu_data();
  const float* end = begin + output_layer->channels();
  return std::vector<float>(begin, end);
}

/* 这个其实是为了获得net_网络的输入层数据的指针，然后后面我们直接把输入图片数据拷贝到这个指针里面*/
void Classifier::WrapInputLayer(std::vector<cv::Mat>* input_channels)
{
  Blob<float>* input_layer = net_->input_blobs()[0];

  int width = input_layer->width();
  int height = input_layer->height();
  float* input_data = input_layer->mutable_cpu_data();
  for (int i = 0; i < input_layer->channels(); ++i) {
    cv::Mat channel(height, width, CV_32FC1, input_data);
    input_channels->push_back(channel);
    input_data += width * height;
  }
}
//图片预处理函数，包括图片缩放、归一化、3通道图片分开存储
//对于三通道输入CNN，经过该函数返回的是std::vector<cv::Mat>因为是三通道数据，索引用了vector
void Classifier::Preprocess(const cv::Mat& img,std::vector<cv::Mat>* input_channels)
{
/*1、通道处理，因为我们如果是Alexnet网络，那么就应该是三通道输入*/
  cv::Mat sample;
  //如果输入图片是一张彩色图片，但是CNN的输入是一张灰度图像，那么我们需要把彩色图片转换成灰度图片
  if (img.channels() == 3 && num_channels_ == 1)
    cv::cvtColor(img, sample, CV_BGR2GRAY);
  else if (img.channels() == 4 && num_channels_ == 1)
    cv::cvtColor(img, sample, CV_BGRA2GRAY);
  //如果输入图片是灰度图片，或者是4通道图片，而CNN的输入要求是彩色图片，因此我们也需要把它转化成三通道彩色图片
  else if (img.channels() == 4 && num_channels_ == 3)
    cv::cvtColor(img, sample, CV_BGRA2BGR);
  else if (img.channels() == 1 && num_channels_ == 3)
    cv::cvtColor(img, sample, CV_GRAY2BGR);
  else
    sample = img;
/*2、缩放处理，因为我们输入的一张图片如果是任意大小的图片，那么我们就应该把它缩放到227×227*/
  cv::Mat sample_resized;
  if (sample.size() != input_geometry_)
    cv::resize(sample, sample_resized, input_geometry_);
  else
    sample_resized = sample;
/*3、数据类型处理，因为我们的图片是uchar类型，我们需要把数据转换成float类型*/
  cv::Mat sample_float;
  if (num_channels_ == 3)
    sample_resized.convertTo(sample_float, CV_32FC3);
  else
    sample_resized.convertTo(sample_float, CV_32FC1);
//均值归一化，为什么没有大小归一化？
  cv::Mat sample_normalized;
  cv::subtract(sample_float, mean_, sample_normalized);

  /* 3通道数据分开存储 */
  cv::split(sample_normalized, *input_channels);

  CHECK(reinterpret_cast<float*>(input_channels->at(0).data) == net_->input_blobs()[0]->cpu_data()) << "Input channels are not wrapping the input layer of the network.";
}

调用实例，下面这个实例是要用于性别预测的例子：

//============================================================================
// Name        : caffepredict.cpp
// Author      : 
// Version     :
// Copyright   : Your copyright notice
// Description : Hello World in C++, Ansi-style
//============================================================================

#include <string>
#include <vector>
#include <fstream>
#include "caffe/caffe.hpp"
#include <opencv2/opencv.hpp>
#include"Classifier.h"

int main()
{
	 caffe::Caffe::set_mode(caffe::Caffe::CPU);
    cv::Mat src1;
    src1 = cv::imread("4.jpg");
    Classifier cl("deploy.prototxt", "gender_net.caffemodel","imagenet_mean.binaryproto");
    std::vector<string>label;
    label.push_back("male");
    label.push_back("female");
    cl.SetLabelString(label);
    std::vector<Prediction>pre=cl.Classify(src1);
    cv::imshow("1.jpg",src1);

    std::cout <<pre[0].first<< std::endl;
    return 0;
}

二、文件数据

/函数的作用是读取一张图片，并保存到到datum中
//第一个参数：filename图片文件路径名
//第二个参数：label图片的分类标签
//第三、四个参数：图片resize新的宽高
//调用方法：
/*Datum datum
   ReadImageToDatum(“1.jpg”, 10, 256, 256, true,&datum)*/
//把图片1.jpg，其标签为10的图片缩放到256*256，并保存为彩色图片，最后保存到datum当中
bool ReadImageToDatum(const string& filename, const int label,
    const int height, const int width, const bool is_color,
    const std::string & encoding, Datum* datum) {
  cv::Mat cv_img = ReadImageToCVMat(filename, height, width, is_color);//读取图片到cv::Mat
  if (cv_img.data) {
    if (encoding.size()) {
      if ( (cv_img.channels() == 3) == is_color && !height && !width &&
          matchExt(filename, encoding) )
        return ReadFileToDatum(filename, label, datum);
      std::vector<uchar> buf;
      cv::imencode("."+encoding, cv_img, buf);
      datum->set_data(std::string(reinterpret_cast<char*>(&buf[0]),
                      buf.size()));
      datum->set_label(label);
      datum->set_encoded(true);
      return true;
    }
    CVMatToDatum(cv_img, datum);//把图片由cv::Mat转换成Datum
    datum->set_label(label);//设置图片的标签
    return true;
  } else {
    return false;
  }
}