R-CNN是第一篇成功得將CNN用於object detection並取得優異效果的文章，是學習CNN for object detection的必讀文章。R-CNN中提到Alex network可以用作一個“黑匣子”來提取特徵，CV中的很多問題都需要尋找特徵，如果直接試試利用Alex network去做特徵提取，往往也是大有裨益的。最近研讀了一下R-CNN的原始碼，然後將其中基於Alex network提取特徵的程式抽取了出來，現在任意輸入一副227*227的RGB圖片，都可以直接利用基於Alex network來提取特徵，現在將提取程式記錄如下：

% %讀取網路配置檔案
 opts.net_def_file
 
 = './model-defs/rcnn_batch_256_output_pool5.prototxt';
% %讀取儲存網路權值的檔案
 opts.net_file =  './data/caffe_nets/finetune_voc_2012_train_iter_70k';

 %載入網路,設定為cpu模式
rcnn_model = rcnn_create_model(opts.net_def_file, opts.net_file);
rcnn_model = rcnn_load_model(rcnn_model,0);  %第二個引數為0意味著CPU模式，1則是GPU模式
%讀取圖片
img_path
 
 =  './examples/images/000084.jpg';
tmp_image = imread(img_path); %im是227*227的RGB圖片
tmp_image=single(tmp_image(:,:,[3 2 1]));%轉換成BGR形式
tmp_image = tmp_image-image_mean;%減去影象均值，這裡的image_mean是R-CNN中提供的均值檔案
[features] = rcnn_box_features(im,rcnn_model);

 function [feature] = rcnn_box_features(im,rcnn_model)
%把cnn模型當做一個提取特徵的黑匣子
 

%im:源影象
%rcnn_model:rcnn模型結構體

% make sure that caffe has been initialized for this model
if rcnn_model.cnn.init_key ~= caffe('get_init_key')
  error('You probably need to call rcnn_load_model');
end

%準備操作
crop_size=227;
ims = zeros(crop_size, crop_size, 3, 1, 'single');
window = zeros(crop_size, crop_size, 3, 'single');
window=im;
ims(:,:,:,1) =permute(window, [2 1 3]);
batch{1}=ims;

%利用caffe提取特徵
feat = caffe('forward', batch(1));
feat=feat{1};
end

之前的部落格《Windows下R-CNN 配置與demo執行》講過如何配置R-CNN的執行環境，在配置好R-CNN的執行環境之後，按照上述的原始碼即可直接利用Alex 網路來提取特徵。
rcnn_batch_256_output_pool5.prototxt中描述的網路的結構，當前提取的是pool5層的特徵，而pool5層是由256個6*6的feature map構成，因此輸出的feat的size為為[6,6,256]。將其轉成6*6*256=9612的特徵向量，後續就可以根據需求送入SVM訓練等等。
注：當我們只對一副227*227的圖片提取特徵的時候，需要修改rcnn_batch_256_output_pool5.prototxt，將batchsize改為1（預設是256）,否則matlab會崩潰。