caffe工具（4）提取网络各个层的特征保存为数据

怎么把网络各个层的特征保存成数据呢？

调用

输入：

./build/tools/extract_features.bin \             //可执行程序
 examples/mnist/lenet_iter_10000.caffemodel \        //预训练的网络，×.caffemodel
 examples/mnist/lenet.prototxt \                    //描述文件××.prototxt
 conv1 \                                                           //需要提取的层
 myconv1 \                                          //保存的特征名
 10 \                     //做特征提取的数据批量数目
 lmdb \                 //输入数据的格式，lmdb/leveldb
 GPU \                //cpu/gpu
 0                        //如果用GPU，则选择设备编号

GPU不行的话，现用CPU模式：

./build/tools/extract_features.bin examples/mnist/lenet_iter_10000.caffemodel examples/mnist/lenet.prototxt conv1 myconv1 10 lmdb CPU

调用的.prototxt文件内容

• 如果是deploy.prototxt文件的话

name: "CaffeNet"
input: "data"
input_shape {
  dim: 10
  dim: 3
  dim: 227
  dim: 227
}

deploy.prototxt里没有data层!那怎么输入图像???

caffe官网中的提取特征
Classification: Instant Recognition with Caffe
需要加上一层data层

name: "CaffeNet"
layer {
  name: "data"
  type: "ImageData"
  top: "data"
  top: "label"
  transform_param {
    mirror: false
    crop_size: 227
    mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
  }
  image_data_param {
    source: "examples/_temp/file_list.txt"
    batch_size: 50
    new_height: 256
    new_width: 256
  }
}

---

运行实例

1、选择运行的数据

• 在examples/下新建一个文件夹，命名为_temp：

• 选择使用系统自带的examples\images下的图片：
  
• 将它们的路径，写成一个文本文档，命名为file_list.txt。
  在每个路径的最后加上0，官方文档的解释是：“The ImageDataLayer we’ll use expects labels after each filenames, so let’s add a 0 to the end of each line”
• file_list.txt截图如下：
  

2、定义特征提取网络结构

将examples/feature_extraction/imagenet_val.prototxt复制到之前新建的_temp文件夹。
在实际过程中，从数据集中减去图像均值可以显著的改善分类的准确率，所以使用ILSVRC数据集的均值图像，具体位置在data/ilsvrc12/imagenet_mean.binaryproto.
打开imagenet_val.prototxt，修改以下两个路径，对应准确即可：

3、提取特征

首先去models\bvlc_reference_caffenet文件夹中，查看是否有bvlc_reference_caffenet.caffemodel文件。若没有，需要自行下载。下载地址在此文件夹的readme文档中：

好了，现在需要的文件都准备好了。写一个bat文件，就可以进行特征的提取了。bat文件代码如下：

<span style="font-size:14px;">cd ../../
"Build/x64/Release/extract_features.exe" examples/temp/bvlc_reference_caffenet.caffemodel examples/temp/imagenet_val.prototxt conv5 examples/temp/features 10 leveldb
pause</span>

• 注意：
  1. 我是先cd进入Caffe的根目录，所以代码中的路径这样填写。
  2. conv5代表提取特征的blob的名称。我们也可以用其他层的名称，如fc7，pool3.
  3. 对于数字10，官方文档解释为：“The last parameter above is the number of data mini-batches.”
  4. 提取的特征保存在examples/_temp/features文件夹中。

• 在我的电脑上，bat文件运行结束的截图为：
  

• 进入examples/_temp/features，查看：