Caffe 开发流程简介

1、获取样本数据
1）Benchmark 是一个行业的基准 （数据库，论文，源码，结果）。
2）优秀的论文，在实验阶段通常都会介绍它所使用的数据集，公开数据集也可以下载，在申请获取额时候最好使用学校邮箱。
http://www.image-net.org/download-images

2、样本修剪与标注
一般从公开的数据集下载的数据都会有样本图片并附带标注，但是我们在使用自己的图片去训练的时候就得自己去对样本图片进行裁剪和标注了。
1)样本裁剪一般是使用opencv工具，里面附带了很多高效的算法，例如在做人脸识别时，可以先使用opencv自带的人脸检测算法检测出人脸并存储。
2）对与少量样本，可以手动进行标注，海量数据为了提高效率需要写过脚本去遍历图片文件夹，并生成对应的filelist.txt文件

3、制作LMDB数据源
实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致，在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 buile/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。详细的使用介绍参考denny的博客：
http://www.cnblogs.com/denny402/p/5082341.html

4、网络模型配置和参数设置
根据自己的应用需求构建网络，并设置相应的参数，网络模型的配置在train.prototxt文件下，参数配置在solver.prototxt文件下

5、训练模型
准备好训练数据和网络模型之后，使用caffe给我们编写好的工具进行训练，编译生成对应的可执行文件都放在 了buile/tools/ 目录下面。具体使用介绍参考denny的博客：
http://www.cnblogs.com/denny402/p/5076285.html

6、检测效果
在训练和验证阶段都是使用的静态图片，在应用场景中大多需要实时性，所以需要利用opencv等工具，实时采集图片，加载模型处理，最后显示出处理效果。