语义分割学习之SegNet的C++编译

Abstract

       安装好Segnet并使用Python进行训练和测试之后，考虑项目的应用，需要在C++的工程环境下进行继续开发，所以这里的主要内容是用C++建立工程，使用相应的数据集和权重参数文件进行测试。

---

       Caffe本身就是用C++开发的，所以也提供了相应的C++接口。作为简单的测试和学习，这里采用开源代码里的SegNet_with_C++进行测试，主要熟悉相关流程。在SegNet的目录下，examples/SegNet_with_C++里包含test_segmentation.cpp。可以使用该文件，建立C++工程。下面是相应步骤。

1. 建立一个新的文件夹MySegNet，内部再建立src文件夹，将上述cpp文件copy到src文件夹里。同时将caffe里src下的其他cpp按源目录结构拷贝至此src下。
2. 对应的include文件夹也拷贝到MySegNet下。
3. 新建一个build文件夹。
4. 新建一个CMakeLists.txt。按以下编辑相应的内容。

   CMAKE_MINIMUM_REQUIRED(VERSION 2.8)
   PROJECT(MySegnet)
   SET(CMAKE_BUILD_TYPE Debug)
   SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -march=native -O3 -pthread")
   set(build_libraries
           ${Caffe_LIBRARIES}
           ${OpenCV_LIBS}
           ${BOOST_LIBRARIES}
           )
   add_executable(MySegnet
           test_segmentation.cpp
           )
   INCLUDE_DIRECTORIES(/home/SegNet/MySegnet/include
       /home/SegNet/MySegnet/include/caffe
       /home/SegNet/MySegnet/include/caffe/layer
       /home/SegNet/MySegnet/include/caffe/util
       /home/SegNet/MySegnet/include/caffe/test
       /usr/local/include  
       /usr/local/cuda/include
       )
   target_link_libraries(MySegnet /home/SegNet/caffe-segnet-cudnn5-master/build/lib/libcaffe.so
       /usr/local/lib/libopencv_highgui.so  
       /usr/local/lib/libopencv_core.so  
       /usr/local/lib/libopencv_imgproc.so  
       /usr/lib/x86_64-linux-gnu/libglog.so  
       /usr/lib/x86_64-linux-gnu/libboost_system.so
       /usr/local/lib/libopencv_imgcodecs.so.3.4
       )

   上面可能有多余，也可能有不够的，按需添加。注意相应路径的修改。在路径使用上，可以使用绝对路径，也可以使用相对路径。

5. 进入build文件夹，在终端打开。

   cmake (之前CMakeLists.txt所在的路径）
   make

   make成功建立target文件就好的，有什么错误对应解决，一般是缺东西，添加相应的内容即可。
6. 这时可以看到生成的可执行文件，直接执行是没有什么作用的，需要带参数执行。由cpp中main函数代码可知，基本的执行语句是：

   sudo ./MySegnet /home/SegNet/MySegnet/bin/segnet_sun.prototxt /home/SegNet/MySegnet/bin/segnet_sun.caffemodel /home/SegNet/MySegnet/image/cat_gray.jpg /home/SegNet/MySegnet/img/sun.png
   　　  （exe）         (model_file）                                        （trained_file）                                       （test_img）                            （colors_img）

   部分文件或图片在caffe_segnet_cudnn5-master里能找到，部分可以去Github上下载。附网址。

7. 需要测试更多图片的，可以在main函数中做相应的修改，重新make。测试新的分割，可以自己更改网络，重新训练并使用自己的model_file和trained_file

附相关文章链接：Segnet学习

 

转载于:https://www.cnblogs.com/minskychu/p/9209372.html