HED 深度学习边缘提取 C++接口测试程序

HED深度学习边缘提取的c++接口测试程序

#include 
#include 
#include 
#include 
#include 
#include “caffe/data_transformer.hpp“
#include “caffe/util/io.hpp“
#include “caffe/util/math_functions.hpp“
#include “caffe/util/rng.hpp“

using namespace caffe;
using namespace cv;
using namespace std;


#define PRINT_SHAPE1（x） \
    std::cout << （x）.num（） << “\t“ << （x）.channels（） << “\t“ << （x）.height（） << “\t“ << （x）.width（） << “\n“;
#define PRINT_SHAPE2（x） \
    std::cout << （x）->num（） << “\t“ << （x）->channels（） << “\t“ << （x）->height（） << “\t“ << （x）->width（） << “\n“;
#define PRINT_DATA（x） \
    std::cout << （x）[0] << “\t“ << （x）[1] << “\t“<<（x）[2]<<“\n“;



class EdgeDetect
{
public:
    Mat mean_;
    Size input_geometry;
    int num_channels;
    shared_ptr  > net;

public:
    EdgeDetect（const string& model_file const string& trained_fileconst string& mean_file）;
    void WrapInputlayer（std::vector* input_channels）;
    void Preprocess（const cv::Mat& imgstd::vector* input_channels）;
    void SetMean（const string& mean_file）;
};



EdgeDetect::EdgeDetect（const string& model_fileconst string& trained_fileconst string& mean_file）
{
  Caffe::set_mode（Caffe::CPU）;



  net.reset（new Net（model_file TEST））;

  net->CopyTrainedlayersFrom（trained_file）;

  CHECK_EQ（net->num_inputs（） 1） << “Network should have exactly one input.“;
  //CHECK_EQ（net->num_outputs（） 1） << “Network should have exactly one output.“;

  Blob* input_layer = net->input_blobs（）[0];
  num_channels = input_layer->channels（）;

  CHECK（num_channels == 3 || num_channels == 1）<< “Input layer should have 1 or 3 channels.“;

  input_geometry = cv::Size（input_layer->width（） input_layer->height（））;


  SetMean（mean_file）;
}




void EdgeDetect::Preprocess（const cv::Mat& imgstd::vector* input_channels）
{

  cv::Mat sample;

  if （img.channels（） == 3 && num_channels == 1）
    cv::cvtColor（img sample CV_BGR2GRAY）;
  else if （img.channels（） == 4 && num_channels == 1）
    cv::cvtColor（img sample CV_BGRA2GRAY）;

  else if （img.channels（） == 4 && num_channels == 3）
    cv::cvtColor（img sample CV_BGRA2BGR）;
  else if （img.channels（） == 1 && num_channels == 3）
    cv::cvtColor（img sample CV_GRAY2BGR）;
  else
    sample = img;

  cv::Mat sample_resized;
  if （sample.size（） != input_geometry）
    cv::resize（sample sample_resized input_geometry）;
  else
    sample_resized = sample;

  imshow（“resize“sample_resized）;

  cv::Mat sample_float;
  if （num_channels == 3）
    sample_resized.convertTo（sample_float CV_32FC3）;
  else
    sample_resized.convertTo（sample_float CV_32FC1）;

  cv::Mat sample_normalized;
  cv::subtract（sample_float mean_ sample_normalized）;

  /* 3通道数据分开存储 */
  cv::split（sample_normalized *input_channels）;

  CHECK（reinterpret_cast（input_channels->at（0）.data） == net->input_blobs（）[0]->cpu_data（）） << “Input channels are not wrapping the input layer of the network.“;
}

//加载均值文件
void

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      47609  2015-10-01 10:38  HEDC++\3063.jpg

     文件       8186  2017-02-28 11:50  HEDC++\deploy.prototxt

     文件   58876104  2017-03-31 09:17  HEDC++\hed_pretrained_bsds.caffemodel

     文件     786446  2014-02-25 16:24  HEDC++\imagenet_mean.binaryproto

     文件      10130  2017-06-21 15:34  HEDC++\main.cpp

     目录          0  2017-06-21 15:34  HEDC++

----------- ---------  ---------- -----  ----

             59728475                    6