caffe中各语言预处理方式

一、 caffe预处理方式
caffe有C++、matlab和python三种实现方法，每种方法的预处理方式各不相同。

1.1 C++读入
C++用opencv读入的是BGR格式，CV_32FC3,0-255之间，[h,w,c]排列，需要用warpInputLayer转换成[c, h ,w]排列(c代表通道数，h代表图像的高，w代表图像的宽)，然后再减去均值。
$ cv::Mat sample_normalized;
$ cv:: substract(sample_float, mean_, sample_normalized);

1.2 matlab读入
matlab读入的是RGB，排列是[h,w,c]，所谓的列主序，因此需要交换h和w，转换成BGR，再减去均值。
$ im_data = im(:, :, [3, 2, 1]); #通道由RGB改为BGR
$ im_data = permute(im_data, [2, 1, 3]); #图片的h、w改为w、h
$ im_data = single(im_data); #convert from uint8 to single
$ im_data = imresize(im_data,[IMAGE_DIM IMAGE_DIM], ‘bilinear’); #改变图像的尺寸
$ im_data = im_data -mean_data; #减去平均值(already in W x H x C, BGR)

1.3 用python读入
1.3.1 caffe.io
caffe.io读进去的是RGB，0-1之间的浮点数，排序方式是[h,
w, c]改为[c, h, w]，变换到0-255，减去均值，再转换为BGR。

$ transformer = caffe.io.Transformer({‘data’:
net.blobs[‘data’].data.shape})
$ transformer.set_transpose(‘data’, (2,0,1))
$ transformer.set_mean(‘data’,np.load(mean_file).mean(1).mean(1))

$ transformer.set_raw_scale(‘data’, 255)
$ transformer.set_channel_swap(‘data’,(2,1,0))
$ net.blobs[‘data’].reshape(1,3,227,227)
$ im = caffe.io.load_image(imgfileapth)
$ net.blobs[‘data’].data[…] = transformer.preprocess(‘data’,im)

1.3.2 opencv

读入的是BGR格式，像素值是0-255，需要转换到[c, h, w]，再减去均值。
$ transformer = caffe.io.Transformer({‘data’:
net.blobs[‘data’].data.shape})
$ transformer.set_transpose(‘data’, (2, 0, 1))
$ transformer.set_mean(‘data’, np.array([104, 117, 123]))

原文链接：https://blog.csdn.net/minstyrain/article/details/78373914
caffe各类网络介绍：https://blog.csdn.net/mounty_fsc/article/category/6136645