续-Darknet分类网络
链接:darknet分类网络,训练,C++调用分类器
接上次Darknet调用分类网络进行,network_predict()进行对图像的分类,由于数据预处理的过程中,采取的形式大多数属于从opencv接口或者FFmpeg流取流成Mat格式进行显示或者进行detect,而在这预处理数据的过程中,会产生内存溢出问题。
主要调用接口形式或者参考源码接口形式中的代码
原有darknet接口中
void rgbgr_image(image im)
{
int i;
for(i = 0; i < im.w*im.h; ++i){
float swap = im.data[i];
im.data[i] = im.data[i+im.w*im.h*2];
im.data[i+im.w*im.h*2] = swap;
}
}
这种形式就是安全的接口,但是部分接口会在内部calloc()一个内存空间,在外部看不到,会产生一定内存溢出,源码当中采用的方式为直接free(image.data)的形式进行释放。
make_empty_image();
后续的mat_to_image();参考的时候就出现问题了,源码暂时不贴了,下面开始解释
如底下image resize_image();调用的时候,你会发现没有使用任何calloc()或者malloc()函数,但是,其中有个free(),也就是在make_image()的过程中内部申明了一块内存空间那么继续看源码。
image resize_image(image im, int w, int h)
{
image resized = make_image(w, h, im.c);
image part = make_image(w, im.h, im.c);
int r, c, k;
float w_scale = (float)(im.w - 1) / (w - 1);
float h_scale = (float)(im.h - 1) / (h - 1);
for(k = 0; k < im.c; ++k){
for(r = 0; r < im.h; ++r){
for(c = 0; c < w; ++c){
float val = 0;
if(c == w-1 || im.w == 1){
val = get_pixel(im, im.w-1, r, k);
} else {
float sx = c*w_scale;
int ix = (int) sx;
float dx = sx - ix;
val = (1 - dx) * get_pixel(im, ix, r, k) + dx * get_pixel(im, ix+1, r, k);
}
set_pixel(part, c, r, k, val);
}
}
}
for(k = 0; k < im.c; ++k){
for(r = 0; r < h; ++r){
float sy = r*h_scale;
int iy = (int) sy;
float dy = sy - iy;
for(c = 0; c < w; ++c){
float val = (1-dy) * get_pixel(part, c, iy, k);
set_pixel(resized, c, r, k, val);
}
if(r == h-1 || im.h == 1) continue;
for(c = 0; c < w; ++c){
float val = dy * get_pixel(part, c, iy+1, k);
add_pixel(resized, c, r, k, val);
}
}
}
free_image(part);
return resized;
}
make_image()如下所示,在make的时候申明了一块内存空间,那么以为像Opencv一样resize_image()但是实际上会在内存中申明空间,故要在外部free。
image make_image(int w, int h, int c)
{
image out = make_empty_image(w,h,c);
out.data = calloc(h*w*c, sizeof(float));
return out;
}
或者使用内部函数free_image()
void free_image(image m)
{
if(m.data){
free(m.data);
}
}
大致问题暂时总结至此。