图片均值

JLU-IPVR

听笙

首先说一下计算均值有什么用。在模型进行训练和测试的过程中，当图片减去均值后，会提高速度和精度，因此，一般在各种模型中都会有去均值的这么一个操作。

这里需要注意，将计算出的均值文件保存为一个均值文件，一般都是在训练集上来计算均值。在网络训练的过程中，测试集和训练集都减去这么一个均值。

本文要讲解的是两种去均值的操作。

一：二进制格式的均值计算

caffe中使用的均值数据格式是binaryproto格式的，在caffe的源码中提供了一个cpp文件compute_image_mean.cpp，经过编译之后会在E:\caffe\caffe-master\Build\x64\Release文件夹下有compute_image_mean.exe文件，我们可以直接使用这个可执行文件对数据进行均值的计算。

使用批处理文件bat.

compute_image_mean.exe--backend="leveldb" D:\Caffe\caffe-master\data\mnist\mnist_test_leveldbD:\Caffe\caffe-master\data\mnist\val_mean.binaryproto

二：python格式的均值计算

如果我们要使用python接口，或者我们要进行特征可视化，可能就要用到python格式的均值文件了。首先，我们用levedb/lmdb格式的数据，计算出二进制格式的均值，然后，再转换成python格式的均值。

 

 

import numpy as np

import sys,caffe

 

if len(sys.argv)!=3:

    print"Usage: python convert_mean.py mean.binaryproto mean.npy"

   sys.exit()

 

blob = caffe.proto.caffe_pb2.BlobProto()

bin_mean = open( sys.argv[1] , 'rb' ).read()

blob.ParseFromString(bin_mean)

arr = np.array( caffe.io.blobproto_to_array(blob))

npy_mean = arr[0]

np.save( sys.argv[2] , npy_mean )

将这个脚本保存为convert_pythonmean.py。

使用方式为：

C:\Users\LJL\Desktop\windows-caffe\convert_pythonmean.pyC:\Users\LJL\Desktop\windows-caffe\train_mean.binaryproto C:\Users\LJL\Desktop\windows-caffe\mean.npy