关于matconvnet的几个小程序（1）用滑动窗口框出树上的苹果

参考链接
考虑：matconvnet官方给出的神经网络分类器imagenet-googleNet-dag.mat已经具备了较强的识别能力，能识别1000种标签。利用它再编写一个滑动窗口函数，即可实现对大图像的内容搜索。（如现在我们想在一颗果树上寻找果子）

分析：
图像中目标对象的大小往往不同，所以采用多个不同尺寸的滑动窗口对图像进行处理。处理时，窗口由左向右，由上到下按照一定的步长逐次移动。每次移动，将框内的图像输入神经网络进行处理，然后通过得到的结果做出相应的处理。
在这里，若分类的标签号大于900（考虑到干扰，只需要分类结果满足为水果），且置信度大于0.9，则记录该窗口的位置，在原图上用黑框将这个位置标出。

首先是编写窗口尺寸不变的滑动窗函数：slide.m

function [ out_image,n ] = slide( image, rows, cols, step,net )  
%窗口尺寸不变的滑动窗函数  
% 参数：图像变量矩阵，窗口行数，列数，步长，神经网络对象 输出为符合要求的窗口的左上角的位置和个数  
win = zeros(rows, cols, 3);  
out_image = zeros(1,2);  
n = 0;  
for i = 1:step:(size(image,1)-rows)                                     %垂直滑动  
    for j = 1:step:(size(image,2)-cols)                                 %水平滑动  
        win = image(i:i+rows-1,j:j+cols-1,:);                           %提取窗口  
        imshow(win);  
        im_ = single(win) ; % note: 0-255 range  
        im_ = imresize(im_, net.meta.normalization.imageSize(1:2)) ;  
        im_ = bsxfun(@minus, im_, net.meta.normalization.averageImage) ;  
        % run the CNN  
        net.eval({'data', im_}) ;  

        % obtain the CNN otuput  
        scores = net.vars(net.getVarIndex('prob')).value ;  
        scores = squeeze(gather(scores)) ;  

        % show the classification results  
        [bestScore, best] = max(scores) ;  
        if(best>940 && bestScore>0.80) %识别并判断  
            n=n+1;  
            out_image(n,:)=[i,j];  %存储位置 [行数，列数]  
            %pause;  
        end  
    end  
end  
end 

接下来利用上面的函数，完成多尺度窗口，并且返回带有黑框标记的图像，以及黑框的数量。

function [ out_image,sum ] = var_slide( image, mrows, mcols, lrows, lcols,net  )  
%返回具有黑框标记的图像，及黑框个数  
%  输入参数：图像矩阵，滑动窗的最小行数，最小列数，最大行数，最大列数，神经网络  
out_image = image;  
sum = 0;  
winn = 1;  
if(winn==1)  
    dr=0;dc=0;  
else  
    dr = round((lrows-mrows)/(winn-1));  
    dc = round((lcols-mcols)/(winn-1));  
end  
for i = 0:winn-1;  
    [ locat, n ] = slide( image, mrows+dr*i, mcols+dc*i, round((mrows+dr*i)/2) ,net);  
    sum = sum + n ;  
    for k=1:n  
        out_image(locat(k,1):(locat(k,1)-1+mrows+dr*i),locat(k,2),:)=0;  
        out_image(locat(k,1):(locat(k,1)-1+mrows+dr*i),(locat(k,2)-1+mcols+dc*i),:)=0;  
        out_image(locat(k,1),locat(k,2):(locat(k,2)-1+mcols+dc*i),:)=0;  
        out_image((locat(k,1)-1+mrows+dr*i),locat(k,2):(locat(k,2)-1+mcols+dc*i),:)=0;  
    end  
end  

主程序：test_slide.m

% setup MatConvNet  
run  matlab/vl_setupnn  
% load the pre-trained CNN  
net = dagnn.DagNN.loadobj(load('imagenet-googlenet-dag.mat')) ;  
net.mode = 'test' ;  
a = zeros(1,1);  
a = input('Please input the pngs name.\n','s');  
a = ['photos/',a];  

% load and preprocess an image  
im = imread(a);  

addpath test;  
[ out_image,n ] = var_slide( im, 100, 100, 100, 100, net  );figure;imshow(out_image);  
saveas(gcf,'myfig.jpg');

效果图：