使用Caffe进行图片分类

首先，贴参考：caffe_root\caffe-master\examples\imagenet, (这是windows下的脚本运行,用于训练建模)
caffe_root\caffe-master\examples\cpp_classification\classification.cpp(用于分类)
所使用的顺序是1.create_imagenet.sh(将图片转成lmdb格式，并统一大小) 。2.make_imagenet_mean.sh(生成均值文件)。3.train_caffenet.sh(训练网络)。4.classification.cpp(对图片进行分类)

1.图片格式转换

Caffe是用训练集和交叉验证集进行建模，最后使用测试集测试。
1.TrainSet 2.CrossValidate Set(val) 3.TestSet (最好将不同的种类的这三个文件分开)，网上百度点数据即可。这步是将图片转换成LMDB格式，首先看create_imagenet.sh，它其实就是一个命令：

$TOOLS/convert_imageset \
    --resize_height=$RESIZE_HEIGHT \
    --resize_width=$RESIZE_WIDTH \
    --shuffle \
    $TRAIN_DATA_ROOT \
    $DATA/Train.txt \
    $EXAMPLE/ilsvrc12_train_lmdb

convert_imageset在 caffeBuilder/Build/x64/Release/ (当然这需要你编译过Caffe，并且选择x64和Release)，所以修改上面的环境变量TOOLS为caffeBuilder/Build/x64/Release/(路径没写全，因为每个人的不一样，我写的是绝对路径)，resize_height将图片处理后的高度像素，同理resize_width，shuffle为打乱图片顺序，TRAIN_DATA_ROOT为存放的训练集的路径，Train.txt是图片+标签，$EXAMPLE/ilsvrc12_train_lmdb为输出路径，随意填写路径。
发现没有Train.txt。使$DATA加上Train.txt里面的每一行都可以指定一张图片，后面再加标签即可，为了方便，之前将每类都分开存放，这是就可以用cmd打开Train，输入：

dir /s /on /b > $DATA/***Train.txt

$DATA，***Train.txt按自己情况进行替换,之后使用notepad等打开，加入标签，然后将每一类的TrainSet，以及Train.txt放在一起，就是我们要输入的数据和不同种类(标签)。之后，将CrossValidate Set也进行数据和文本的准备，在create_imagenet.sh中的

GLOG_logtostderr=1 $TOOLS/convert_imageset \
    --resize_height=$RESIZE_HEIGHT \
    --resize_width=$RESIZE_WIDTH \
    --shuffle \
    $VAL_DATA_ROOT \
    $DATA/Val.txt \
    $EXAMPLE/ilsvrc12_val_lmdb

就是对交叉验证集的转换。
Tips:如果使用脚本运行，那么路径上不能有中文。

2.图片均值化

打开make_imagenet_mean.sh，只对TrainSet进行均值化

$TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb \
  $DATA/imagenet_mean.binaryproto

$TOOLS 路径相同，ilsvrc12_train_lmdb 就是生成的lmdb文件，写好路径。imagenet_mean.binaryproto为输出的文件，随意写，后缀不变就行。

3.建模训练

打开train_caffenet.sh

./build/tools/caffe train \
    --solver=models/bvlc_reference_caffenet/solver.prototxt