caffe目标检测模型训练全过程（二）python加载caffemodel分类

继上篇 caffe目标检测模型训练全过程（一）脚本、数据准备与制作
之后，我们训练出来了其模型，如图所示：

models2_iter_70000.caffemodel 就是需要调用的模型，70000表示模型训练了70000次后所保存的模型，其他也是一样的。

记下来，使用python加载模型，然后进行识别，首先对处理好的227*227大小的处理好的图片进行识别。
代码如下：

# 加载图片
im = caffe.io.load_image('scale_img.jpg')
print(im.shape)

transformer = caffe.io.Transformer({'data': net_full_conv.blobs['data'].data.shape})
#transformer.set_mean('data', np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1))
transformer.set_transpose('data', (2,0,1))
transformer.set_channel_swap('data', (2,1,0))
transformer.set_raw_scale('data', 255.0)

transformed_image = transformer.preprocess('data', im)
net_full_conv.blobs['data'].data[...] = transformed_image
net_full_conv.blobs['data'].reshape(1,3,227,227)

### perform classification
out = net_full_conv.forward()
# make classification map by forward and print prediction indices at each location
# out = net_full_conv.forward_all(data=np.asarray([transformer.preprocess('data', im)]))
#打印出类别
print (out['prob'],(x,y))