Matlab中配置VLFeat
Posted 小河沟大河沟
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Matlab中配置VLFeat相关的知识,希望对你有一定的参考价值。
在VLFeat官网上是这么介绍VLFeat的:VLFeat开源库实现了很多著名的机器视觉算法,如HOG, SIFT, MSER, k-means, hierarchical k-means, agglomerative information bottleneck, SLIC superpixels, 和 quick shift。VLFeat开源库是用C语言写的,以确保其效率和兼容性,同时VLFeat还提供了MATLAB接口和详细的文档。它可以在windows, Mac, 和Linux上使用。
言归正传,以下介绍vlfeat在mathlab中的配置方法:
一、首先应准备的东西:
1. Matlab软件(我使用的mathlab是2014b试用版的)
2. vlfeat文件,可以是二进制包,也可以是源码。如果使用windows平台的话,推荐使用二进制包。
二进制包的下载地址可以从官网下载,也可以从我的个人网盘下载:
官网地址:http://www.vlfeat.org/download/
二、安装
1. 将所下载的二进制包解压缩到某个位置,如D:\\盘
2. 打开matlab,输入edit startup.m创建启动文件startup.m
3. 在startup.m中编辑发下内容(注意,如果将vlfeat安装在不同的地方,需要将以下的”D:\\”改为你所安装的地址):
run(\'D:\\vlfeat-0.9.18\\toolbox\\vl_setup\') |
4. 保存并关闭startup.m文件,重新打开matlab程序,安装即成功(安装成功后,不能删除vlfeat解压后的文件夹,因为vl_setup只是 将vlfeat的toolbox的地址加到matlab的path里面,使得matlab可以使用vlfeat toolbox)
三、验证安装
可以通过以下两种方式查看是否安装成功:
1. 在matlab中输入path,可以发现在path中保存了vlfeat toolbox的地址(如下图所示):
2. 在matlab中输入vl_version ,可以得到vlfeat的版本号(如下图所示):
四、可能碰到的错误
有同学反映,编辑完startup.m文件并重启matlab后,没有执行startup.m中的run命令。关于这一点,可能是因为startup.m文件并不在初始的path中。以至于matlab启动时没有找到startup.m文件。解决方法有两个:
1. 在matlab中,在ENVIRONMENT选项卡中,选择setPath选项,将startup.m文件所在的文件夹包含到path中。
2. 直接将startup.m文件复制(或剪切)到初始的path路径下。
五.MatConvNet的使用
http://www.vlfeat.org/matconvnet/quick/
% Install and compile MatConvNet (needed once). untar(\'http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta23.tar.gz\') ; cd matconvnet-1.0-beta23 run matlab/vl_compilenn ; % Download a pre-trained CNN from the web (needed once). urlwrite(... \'http://www.vlfeat.org/matconvnet/models/imagenet-vgg-f.mat\', ... \'imagenet-vgg-f.mat\') ; % Setup MatConvNet. run matlab/vl_setupnn ; % Load a model and upgrade it to MatConvNet current version. net = load(\'imagenet-vgg-f.mat\') ; net = vl_simplenn_tidy(net) ; % Obtain and preprocess an image. im = imread(\'peppers.png\') ; im_ = single(im) ; % note: 255 range im_ = imresize(im_, net.meta.normalization.imageSize(1:2)) ; im_ = im_ - net.meta.normalization.averageImage ; % Run the CNN. res = vl_simplenn(net, im_) ; % Show the classification result. scores = squeeze(gather(res(end).x)) ; [bestScore, best] = max(scores) ; figure(1) ; clf ; imagesc(im) ; title(sprintf(\'%s (%d), score %.3f\',... net.meta.classes.description{best}, best, bestScore)) ;
按照步骤即可完成实验;原理后续慢慢理解。
以上是关于Matlab中配置VLFeat的主要内容,如果未能解决你的问题,请参考以下文章
在 java 中使用 VLfeat 库编译 Matlab 代码