python调用resnet模型对人脸图片进行特征提取，提取全连接层特征向量

最新推荐文章于 2024-09-15 13:36:18 发布

zuqiutxy

最新推荐文章于 2024-09-15 13:36:18 发布

阅读量1.2w

点赞数 2

分类专栏： caffe学习笔记文章标签： caffe python

本文链接：https://blog.csdn.net/zuqiutxy/article/details/71156593

版权

该博客介绍了如何利用Python和Caffe框架调用ResNet-50模型来提取人脸图片的特征。通过加载模型定义和权重，计算图像的平均值，然后遍历指定目录下的所有.jpg图片，提取每张图片的'pool5'层特征向量。计算这些特征向量之间的余弦相似度，并将结果保存到CSV文件中。

摘要由CSDN通过智能技术生成

#resnet feature extraction
import os
os.chdir('/root/caffe-master/examples')

import numpy as np
import matplotlib.pyplot as plt
import itertools
import csv

plt.rcParams['figure.figsize']=(10,10)
plt.rcParams['image.interpolation']='nearest'
plt.rcParams['image.cmap']='gray'

import sys

caffe_root='../'           #this file should be run from {caffe_root}/examples(otherwise change this line)

import caffe

caffe.set_mode_gpu()

model_def='../atongtest/ResNet-50-deploy.prototxt'
model_weights='../atongtest/ResNet-50-train2_iter_350000.caffemodel'

net=caffe.Net(model_def,model_weights,caffe.TEST)

MEAN_PROTO_PATH=caffe_root+'atongtest/ResNet_mean.binaryproto'

blob=caffe.proto.caffe_pb2.BlobProto()
data=open(MEAN_PROTO_PATH,'rb').read()
blob.ParseFromString(data)
array=np.array(caffe.io.blobproto_to_array(blob))

mu&