MatConvNet卷积神经网络（二）

本篇内容：

1. 尝试DAG模块运行更复杂的图片识别算法。

2. 使用DAG模块，识别任意图片。

一、使用DAG模块

上一篇的例子是使用SimpleNN的典范。更复杂的模型则是使用DagNN。例如，要运行GoogLeNet使用：

首先试运行一下是否可以识别示例，将下面的代码复制后全部粘贴到MATLAB命令行中运行即可。（注意：运行目录应为MATCONVNET文件夹下）

% setup MatConvNet

run matlab/vl_setupnn

% download a pre-trained CNN from the web (只需要第一次运行即可)

urlwrite(

... 'http://www.vlfeat.org/matconvnet/models/imagenet-googlenet-dag.mat', ...

'imagenet-googlenet-dag.mat') ;

% load the pre-trained CNN

net = dagnn.DagNN.loadobj(load('imagenet-googlenet-dag.mat')) ;

net.mode = 'test' ;

% load and preprocess an image

im = imread('peppers.png') ;

im_ = single(im) ;

% note: 0-255 range

im_ = imresize(im_, net.meta.normalization.imageSize(1:2)) ;

im_ = bsxfun(@minus, im_, net.meta.normalization.averageImage) ;

% run the CNN

net.eval({'data', im_}) ;

% obtain the CNN otuput

scores = net.vars(net.getVarIndex('prob')).value ;

scores = squeeze(gather(scores)) ;

% show the classification results

[bestScore, best] = max(scores) ;figure(1) ; clf ; imagesc(im) ;

title(sprintf('%s (%d), score %.3f',

...net.meta.classes.description{best}, best, bestScore)) ;

二、使用已经训练好的神经网络测试自己的图片

上面的例子运行无误后，就可以尝试来测试自己的图片了。

事实上，只需要将PNG格式的图片保存到运行目录下，然后将代码中的图片名改为要测试的名字即可。

我写了一个简单的脚本，可以参考一下：

%ex.m

run  matlab/vl_setupnn

net = dagnn.DagNN.loadobj(load('imagenet-googlenet-dag.mat')) ;
net.mode = 'test' ;
a = zeros(1,1);
while(1)
    a = input('Please input the pngs name.\n','s');
    a = ['photos/',a];
    im = imread(a);
    im_ = single(im) ; % note: 0-255 range
    im_ = imresize(im_, net.meta.normalization.imageSize(1:2)) ;
    im_ = bsxfun(@minus, im_, net.meta.normalization.averageImage) ;
    net.eval({'data', im_}) ;
    scores = net.vars(net.getVarIndex('prob')).value ;
    scores = squeeze(gather(scores)) ;
    [bestScore, best] = max(scores) ;
    figure(1) ; clf ; imagesc(im) ;
    title(sprintf('%s (%d), score %.3f',...
    net.meta.classes.description{best}, best, bestScore)) ;
end