The dl-feature-extrator from fantine16

dl-feature-extrator's Introduction

========================
如何提取cnn特征
========================


下载caffe_reference_imagenet_model文件到./CaffeModelEXE文件夹下面。
地址：https://www.dropbox.com/s/n3jups0gr7uj0dv/caffe_reference_imagenet_model

运行方式：

*window命令行方式
*matlab代码

支持的样本数据存储结构：

相同类别的图像放在同一个文件夹，表示类别的文件夹放在同一个目录下面。仅支持二级目录的检索。
示例参见  ./sample
./sample 文件夹下面有3个子文件，./class1	./class2	./class3
每个子文件夹存放相同类别的图像。 


Quick start
1、准备好数据集，假设你的数据集名称是sample。更改filepathToText.m文件，
		dataset='sample'
		保存，运行filepathToText.m文件，然后会在当前目录下生成filepath.txt文件。
2、进入CaffeModelEXE文件夹目录，阅读ReadMe.md文件。并且把上一步生成的filepath.txt文件复制到该目录下。
		在命令行下，cd到当前目录，输入命令
		ExtractDeepFeat.exe filepath.txt fc7
		并且执行。
3、更改ToSVMFormat.m文件，
		dataset='sample'
		保存，运行filepathToText.m文件，然后会在当前目录下生成data.mat和label.mat文件。分别存储样本特征和标签。可以直接调用libsvm的matlab接口训练分类器。
		
		
联系：
如果你发现任何bug，请联系  [email protected]

Recommend Projects