win7第一个caffe实验【识别人脸年龄和性别】

一、环境配置

http://blog.csdn.net/ITSophia/article/details/77799927

环境配置好以后，可以直接用网上的模型先测试一下正确率 http://www.openu.ac.il/home/hassner/projects/cnn_agegender/

下载下来这个压缩包cnn_age_gender_models_and_data.0.0.2.zip，里面是训练好的caffe模型(.caffemodel)和网络结构(.prototxt)，用python自己写了一个图片预处理的文件和加载caffe模型的程序，测试了30张图片，运行结果发现性别正确率还行，但是年龄差距就太大了。于是重新训练

二、选择数据

选择数据是很重要的一步骤，因为很多数据源脏数据很多，可以先用python分析一遍数据源，数据源地址：http://www.openu.ac.il/home/hassner/Adience/data.html#agegender

可以从该网站提供的FTP：agas.openu.ac.il上下载数据源，通过Python分析得到的数据情况为：

发现根据我划分的年龄段，数据源中的(38, 48)，(8, 23)年龄段就不在这个范围内，但是已经很大程度上涵盖了，因此剔除了这两个年龄段的数据图片，数量也就是个位数，相较于一万多张图片来说是比较好的年龄段划分了。

还有性别的图片数据比例

训练集、验证集、测试集的划分数量为：

写一个Python脚本，来整理出需要的训练集、验证集图片，以及对应的txt文件，txt文件里的内容是图片名称（如果train文件夹下的图片还有子目录，记得txt文件里的图片名称前要带上子目录的名称的，生成LDMB文件时会用到，幸好下载下来的数据源里的文件名称都正常的）

三、将图片数据转化成LDMB格式

训练集和验证集的准备，以及标签文件的准备可以参考博文：http://www.cnblogs.com/TensorSense/p/6744075.html

虽然caffe是可以直接读图片的，但因为训练的数据很多，所以一般都会选择转换成LDMB（caffe认识图片的格式），生成LDMB非常简单。我们配caffe时，需要在C++里编译很多项目，编译好后会在C:\caffe-master\Build\x64\Release目录下生成convert_imageset.exe，这就是用来帮我们转成LDMB的工具。

现在，我把训练和验证的图片以及对应的train_gender.txt和val_gender.txt放在F:\analyseData\train和F:\analyseData\val目录下，在F:\analyseData目录下新建 comput_image_mean.txt

C:\caffe-master\Build\x64\Release\convert_imageset.exe train/ train_gender.txt train_lmdb -backend=lmdb -resize_height=227 -resize_width=227 -shuffle   
pause