mac上跑fcn自带的模型

Mac上运行FCN自带的模型

1、从github上下载FCN的源码放在caffe根目录下
2、在voc-fcn8s文件中，可以看到caffemodel-url文件，根据里面的地址下载模型放在FCN文件夹下
3、复制fcn根目录下的infer.py文件到voc-fcn8s文件目录下改名为infer-fcn8s
4、修改infer-fcn8s.py文件如下，注意更改为自己的地址

# import package
import numpy as np
from PIL import Image
import caffe
import matplotlib.pyplot as plt
# display plots in this notebook
# %matplotlib inline

# 初始化地址
caffe_root = '/Users/zhouyang/caffe/fcn.berkeleyvision.org-master/voc-fcn8s/'
model_def = caffe_root + 'deploy.prototxt' # 模型文件
model_weights = caffe_root + 'fcn8s-heavy-pascal.caffemodel' #模型权重值
test_image = caffe_root + 'image.jpg' #测试图片

# load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe
im = Image.open(test_image)
in_ = np.array(im, dtype=np.float32)
in_ = in_[:,:,::-1] # change RGB image to BGR image
in_ -= np.array((104.00698793,116.66876762,122.67891434))
in_ = in_.transpose((2,0,1)) # Reshape the image from (500, 334, 3) to (3, 500, 334)

net = caffe.Net(model_def, model_weights, caffe.TEST) #导入模型
net.blobs['data'].reshape(1, *in_.shape) 
net.blobs['data'].data[...] = in_ #读入图像
net.forward() #图片进入前馈卷积神经网络
out = net.blobs['score'].data[0].argmax(axis=0) #最后得到的图片

print net.blobs['score'].data[0].shape #(21, 500, 334) 
print net.blobs['score'].data[0].argmax(axis=0)

print out.shape
plt.imshow(out)
plt.imshow(out,cmap='gray')
plt.axis('off')
plt.savefig('/Users/zhouyang/caffe/fcn.berkeleyvision.org-master/voc-fcn8s/test.png')
plt.show()

5、运行该文件。