CAFFE学习笔记（二）：训练和测试自己的图片

本文用到的数据集：http://download.csdn.net/detail/bleakie/9685017
1.选取图片建立训练和测试，这里用的是车轮（正样本）和地面（负样本）


输入命令“dir/s/on/b>d:/train.txt”，则会在D盘生成一个名为train的文本文件，里面存放着“批量名称”中全部图像的路径。

前面的绝对路径我是通过文本编辑器里：编辑-替换-全部替换 如：
（注意！注意！注意！标签必须从0开始 ①索引“C:\Users\LJJ\Desktop\测试图\caffe实验\批量名称\”替换成空。
相当于把这些路径去掉，只保留文件名；
②索引“jpg”替换成“jpg 1”。这里1是label，指代了图像的类别。）消除；
这里有同学可能图片的命名可能是乱序的，可以采用全选+重命名（将会得到所有同名字的图除了（）里的标注如：car（1）.jpg），为了消除括号（），采用：解决方案是在LossKuoHao.bat文件中用双引号将含空格的car.jpg括起来，即：

rename “src.jpg” dst.jpg

这样就得到了train.txt,test.txt,val.txt;其中test里面把标签去掉

2.将训练集与测试集转成leveldb格式
（1）将任意大小的图像resize成256*256(这里我用的opencv偷懒)
（2）生成convert_imageset.exe，在windows里打开Caffe.sln，生成convert_imageset
（3）生成lmdb格式的文件
创建 comput_image_leveldb.txt，写入如下程序：

SET GLOG_logtostderr=1  
Build\x64\Debug\convert_imageset.exe examples/my_car_wheel/NewData/ examples/my_car_wheel/NewData/train.txt examples/my_car_wheel/NewData/mytrainlmdb 0  
pause  

第二行输入的是4个参数，分别表示：
Build\x64\Debug\convert_imageset.exe ：convert_imageset.exe 的路径

examples/my_car_wheel/NewData/ ： 图像文件夹路径，注意最后要加 ‘/’
examples/my_car_wheel/NewData/train.txt ： 图像名及对应标签txt文件路径
examples/my_car_wheel/NewData/mytrainlmdb ： 转化后lmdb数据文件夹名字

如果生成lmdb有错误，可以试着生成leveldb

SET GLOG_logtostderr=1
E:\DeepLearning\caffe-windows\Build\x64\Debug\convert_imageset.exe --backend=leveldb --resize_width=256 --resize_height=256 E:\DeepLearning\caffe-windows\examples\ABCD\ E:\DeepLearning\caffe-windows\examples\ABCD\train.txt E:\DeepLearning\caffe-windows\examples\ABCD\trainldb 
pause

（4）lmdb格式的：把 comput_image_lmdb.txt 文件改名为 comput_image_leveldb.bat，放到caffe根目录双击运行，会生成mytrainleveldb文件夹，该文件夹中有两个文件（测试集方法一样）：

leveldb格式的生成：

3.计算训练样本均值
（1）编译生成compute_image_mean.exe；

（2）lmdb格式：创建comput_image_mean.txt，添加内容：

SET GLOG_logtostderr=1  
D:\caffe\caffe-windows\Build\x64\Debug\compute_image_mean.exe D:/caffe/caffe-windows/examples/my_car_wheel/NewData/mytrainldb D:/caffe/caffe-windows/examples/my_car_wheel/NewData/myimg_mean.binaryproto  
pause 

leveldb格式的：

SET GLOG_logtostderr=1  
E:\DeepLearning\caffe-windows\Build\x64\Debug\compute_image_mean.exe --backend leveldb E:\DeepLearning\caffe-windows\examples\ABCD\trainldb E:\DeepLearning\caffe-windows\examples\ABCD\train_mean.binaryproto  
pause 

参数解释参照楼上；

4.网络定义及设置

以 imagenet网络为例，网络定义在 caffe-windows\models\bvlc_reference_caffenet

中，用到train_val.prototxt 和 solver.prototxt 两个文件。
4.1 设置train_val.prototxt 文件
更改路径、backend的格式、根据需要修改batch_size


修改分类的样本类别数（全部修改）

4.2 设置 solver.prototxt 文件

4.3 网络训练
（backend记得更改：LMDB或LEVELDB格式）
创建 train_myimg.txt，随后改成bat，运行

SET GLOG_logtostderr=1  
D:\caffe\caffe-windows\Build\x64\Debug\caffe.exe  train --solver=D:\caffe\caffe-windows\examples\my_car_wheel\NewData\bvlc_reference_caffenet\solver.prototxt  
pause  

训练结果：

如果你编译好了Caffe，那么在CAFFE_ROOT下运行如下命令（里面的路径是在根目录下，可以根据需要修改）：

CPU

SET GLOG_logtostderr=1  
D:\caffe\caffe-windows-master\bin\caffe.exe test -model=D:\caffe\caffe-windows-master\examples2\NewData\bvlc_reference_caffenet\train_val.prototxt -weights=D:\caffe\caffe-windows-master\examples2\NewData\result_iter_100.caffemodel 
pause