我试图将MTCNN_face_detection_alignment的MATLAB实现移植到python . 我为MATLAB和python使用相同版本的caffe绑定 .
用于重现问题的最小可运行代码:
MATLAB:
addpath('f:/Documents/Visual Studio 2013/Projects/caffe/matlab');
warning off all
caffe.reset_all();
%caffe.set_mode_cpu();
caffe.set_mode_gpu();
caffe.set_device(0);
prototxt_dir = './model/det1.prototxt';
model_dir = './model/det1.caffemodel';
PNet=caffe.Net(prototxt_dir,model_dir,'test');
img=imread('F:/ImagesForTest/test1.jpg');
[hs ws c]=size(img)
im_data=(single(img)-127.5)*0.0078125;
PNet.blobs('data').reshape([hs ws 3 1]);
out=PNet.forward({im_data});
imshow(out{2}(:,:,2))
蟒蛇:
import numpy as np
import caffe
import cv2
caffe.set_mode_gpu()
caffe.set_device(0)
model = './model/det1.prototxt'
weights = './model/det1.caffemodel'
PNet = caffe.Net(model, weights, caffe.TEST) # create net and load weights
print ("\n\n----------------------------------------")
print ("------------- Network loaded -----------")
print ("----------------------------------------\n")
img = np.float32(cv2.imread( 'F:/ImagesForTest/test1.jpg' ))
img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
avg = np.array([127.5,127.5,127.5])
img = img - avg
img = img*0.0078125;
img = img.transpose((2,0,1))
img = img[None,:] # add singleton dimension
PNet.blobs['data'].reshape(1,3,img.shape[2],img.shape[3])
out = PNet.forward_all( data = img )
cv2.imshow('out',out['prob1'][0][1])
cv2.waitKey()
我使用的模型位于here(det1.prototxt和det1.caffemodel)
我用来得到这些结果的图像:
我从两个案例得到的结果:
结果相似,但不相同 .
UPD:看起来不是类型转换问题(更正了,但没有改变) . 我在matlab中保存了conv1层(第一个通道)之后的卷积结果,并在python中提取了相同的数据,现在这两个图像都是由python cv2.imshow显示的 .
输入层(数据)上的数据完全相同,我使用相同的方法进行检查 .
正如您可以看到即使在第一个(conv1)图层上也可以看到差异 . 看起来内核以某种方式进行了转换 .
任何人都可以说隐藏的区别在哪里?
1 回答
我找到了问题来源,这是因为MATLAB看到了图像转置 . 这个python代码显示与MATLAB相同的结果:
感谢所有在评论中建议我的人!