我有这个网络'RGB2GRAY.prototxt'
:
name: "RGB2GRAY"
layer {
name: "data"
type: "Input"
top: "data"
input_param { shape: { dim: 1 dim: 3 dim: 512 dim: 512 } }
}
layer {
name: "conv1"
bottom: "data"
top: "conv1"
type: "Convolution"
convolution_param {
num_output: 1
kernel_size: 1
pad: 0
stride: 1
bias_term: false
weight_filler {
type: "constant"
value: 1
}
}
}
我正在尝试使用这个公式将RGB转换为灰度图像的网络:
x = 0.299r + 0.587g + 0.114b.
基本上,我可以使用自定义权重(0.299、0.587、0.114)对大小为1的内核进行卷积。但我不知道如何修改卷积层。我已经设置了权重和偏差,但无法修改过滤器值。 我尝试了下面的方法,但它无法更新卷积过滤器。
shared_ptr<Net<float> > net_;
net_.reset(new Net<float>("path of model file", TEST));
const shared_ptr<Blob<float> >& conv_blob = net_->blob_by_name("conv1");
float* conv_weight = conv_blob->mutable_cpu_data();
conv_weight[0] = 0.299;
conv_weight[1] = 0.587;
conv_weight[2] = 0.114;
net_->Forward();
//for dumping the output
const shared_ptr<Blob<float> >& probs = net_->blob_by_name("conv1");
const float* probs_out = probs->cpu_data();
cv::Mat matout(height, width, CV_32F);
for (size_t i = 0; i < height; i++)
{
for (size_t j = 0; j < width; j++)
{
matout.at<float>(i, j) = probs_out[i* width + j];
}
}
matout.convertTo(matout, CV_8UC1);
cv::imwrite("gray.bmp", matout);
在Python中,我发现自定义卷积滤波器更容易,但我需要C++的解决方案。
weight_fillrer
才会被使用。如果你现在保存网络,它不会保留正确的权重吗? - Shai