SVM分类task1

一、问题描述 
任务是利用已有分类方法，如SVM和Ridge Regression对MIRFlickr-25000数据集进行分类实验。具体要求：

1. 数据集：MIRFlickr-25000 http://press.liacs.nl/mirflickr/
2. 数据特征：Caffe http://caffe.berkeleyvision.org/
3. 分类方法：SVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) 和Ridge Regression (Matlab里应该有，如果没有，去Google里搜索）
4. 评价标准：AUC (area under curve) 和average precision (AP) （注意是分类的AP，不是检索retrieval的AP）
5. 实验环境：Matlab和Unix
6. 实验内容： 
   6.1 训练数据大小对实验结果的影响； 
   6.2 模型参数对实验结果的影响； 
   6.3 两个方法的比较结果； 
   6.4 每个具体类别的性能

二、探索进程【loading】

2.1 解决思路 
image+lable—1—>caffe—2—>libsvm

难点： 
*1将图片数据转换为leveldb格式 
*2弄清楚caffe源码+sample —— 
是否需要修改网络参数、转化特征文件为matlab格式

2.2 环境搭建

2.2.1 libsvm

[setting] matlabR2014+libsvm3.11+Vs2013 
[tutorial] 详解http://blog.csdn.net/llydl/article/details/46770941

2.2.2 caffe 
[setting] cuda7.0+caffe+vs2013 
[installation tutorial]http://blog.csdn.net/happynear/article/details/45372231 
[cuda installation tutorial]http://blog.csdn.net/fengbingchun/article/details/44963681

2.3 相关知识学习【loading】 
2.3.1 caffe 
[tutorial] 1.http://www.ityuedu.com/article/665971707/ （yangqing jia）

observing the output of mnist (lenet_inter_10000)

2.3.2 caffe modle 
http://www.cnblogs.com/zzq1989/p/4439429.html

[undo or unread related material] 
1.http://blog.csdn.net/thesby/article/details/43538187 caffe各层参数定义 
2.http://blog.csdn.net/lien0906/article/details/44652965 最有借鉴意义的：修改源文件跑自己数据 
3.http://blog.csdn.net/guoyilin/article/details/42886365 python抽取图片特征 
4.http://blog.csdn.net/lingerlanlan/article/details/39400375 抽取任意一张图片特征