caffe练习实例（4）——caffe实现caltech101数据集图像分类

1.准备数据集
caltech101(101类图像数据库)数据集
数据集地址: http://www.vision.caltech.edu/Image_Datasets/Caltech101/Caltech101.html

然后点击Download  点击下载: 101_ObjectCategories.tar.gz (131Mbytes)如下图1、图2所示

                                                                                       图1

                                                                                        图2

2.将下载的tar.gz文件上传到 caffe/data目录下执行命令：tar -xzvf file.tar.gz 解压缩

caffe数据集的创建需要两个文件: train.txt 和 val.txt, 格式为 图片路径+类别编号

这里用用运行gettxt.py自动生成train.txt和val.txt，gettxt.py的代码如下：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import os

root = os.getcwd() #获取当前路径
data = '101_ObjectCategories'  #101数据集的文件夹名称
path = os.listdir(root+'/'+ data) #显示该路径下所有文件
path.sort()
vp = 0.1 #测试集合取总数据前10%
ftr = open('train.txt','w')
fva = open('val.txt','w')
i = 0
 
for line in path:
    subdir = root+'/'+ data +'/'+line
    childpath = os.listdir(subdir)
    mid = int(vp*len(childpath))
    for child in childpath[:mid]:
        subpath = data+'/'+line+'/'+child;
        d = ' %s' %(i)
        t = subpath + d
        fva.write(t +'\n')
    for child in childpath[mid:]:
        subpath = data+'/'+line+'/'+child;
        d = ' %s' %(i)
        t = subpath + d
        ftr.write(t +'\n')
    i=i+1

ftr.close()  #关闭文件流
fva.close()   

3.运行gettxt.py结果如下图3

                                                                    图3

4.转换成lmdb格式

mkdir calt101net   #  在caffe/examples下建立一个新文件夹

 将caffe/examples/imagenet下的create_imagenet.sh 复制到calt101net中

vim修改caffe/examples/calt101net下的create_imagenet.sh ，原先里面内容如图4所示，修改完成后如图5所示

                                                                   图4

                                                              图5

运行  ./examples/calt101net/create_imagenet.sh  生成lmdb文件，运行结果如下图6所示

                                                           图6

修改calt101net下的make_imagenet_mean.sh  并运行会根据lmdb文件生成一个均值文件

5.把caffe/models/bvlc_reference_caffenet/下的两个文件: solver.protoxt 和 train_val.protoxt[DAG网络]复制到calt101net中进行修改，首先修改examples/MyNet/train_caffenet.sh

然后修改solver.protoxt文件内容

修改train_val.prototxt文件内容,四项内容如下

从0开始训练和微调　
./examples/MyNet/train_caffenet.sh