训练之前,确认caffe已经编译成功。本文以mstar数据库为例,介绍如何在caffe平台上训练卷及神经网络模型并进行测试。
一、准备数据
这个步骤是最繁琐,也最容易出错的一步,任何差池都会导致最终训练效果不如人意,
建议多花时间检查这部分,确保数据集的质量。
1、在data文件夹下新建文件夹mstar,并进入该目录,分别简历train和val文件夹。
2、在train和val文件夹下分别建立n个文件夹,n代表目标的类别数目。比如我要对mstar中10类目标进行分类,则分别简历10个文件夹,命名为0~9。
3、在各个文件夹下储存各个类别的目标图片,包括train和val。注意图片的命名,一定不要有重复。为方便,可以在windows下用看图王等批处理软件,对命名进行修改。例如可以改为’120100.jpg‘等,表示该图片为验证集第3类(存在第0类)的第100张图片。
4、在mstar文件夹下新建train.txt和val.txt,内容如下,表示图片及其对应的类别。这部分是挺繁琐的,可以在网上搜索批处理的方法,例如filepath2traintxt.sh以及filepath2valtxt.sh。