tensorflow（六）——基于VGG19网络的特征可视化、图像识别

一、相关下载资料

vgg的mat文件（存储了训练得到的值）：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

imagenet_classes.py（vgg输出层为全连层1000，做了1k类的分类）：http://www.cs.toronto.edu/~frossard/post/vgg16/

进行测试的cat.jpg       :                  

二、特征可视化

    加载vgg19网络处理猫的图片，对每个层feature map的一个通道（比如1/64）的数据进行特征可视化

import scipy.io
import numpy as np
import os
import scipy.misc
import matplotlib.pyplot as plt
import tensorflow as tf

#卷积层，wx+b，这里的w就是核函数filter
def _conv_layer(input, weights, bias):
    conv = tf.nn.conv2d(input, tf.constant(weights), strides=(1,1,1,1), padding='SAME')
    return tf.nn.bias_add(conv, bias)

#最大池化层
def _pool_layer(input):
    return tf.nn.max_pool(input, ksize=(1,2,2,1), strides=(1,2,2,1), padding='SAME')

#预处理，减去均值
def preprocess(image, mean_pixel):
    return image - mean_pixel

#后处理，加上均值
def unprocess(image, mean_piexl):
    return image + mean_piexl

#获取图像
def imread(path):
    return scipy.misc.imread(path).astype(np.float)

#裁剪像素值在【0,255】之外的数据，保存图像
def imsave(path, img):
    img = np.clip(img, 0, 255).astype(np.int8)
    scipy.misc.imsave(path, img)

print('functions for vgg ready')

#输入：vgg数据，输入图像
#注意这里的卷积操作是和非线性操作分开的
def net(data_path, input_image):
    layers = (
        'conv1_1', 'relu1_1', 'conv1_2', 'relu1_2', 'pool1',
        'conv2_1', 'relu2_1', 'conv2_2', 'relu2_2', 'pool2',
        'conv3_1', 'relu3_1', 'conv3_2', 'relu3_2',
        'conv3_3', 'relu3_3', 'conv3_4', 'relu3_4', 'pool3',
        'conv4_1', 'relu4_1', 'conv4_2', 'relu4_2',
        'conv4_3', 'relu4_3', 'conv4_4', 'relu4_4',