使用卷积神经网络进行图片分类 4

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

利用训练好的模型开发图片分类程序

一、实验介绍

1.1 实验内容

在snapshot目录下已经有我们训练好的模型的参数，为了利用我们的卷积神经网络模型和这些参数去对图像进行分类，我们这次实验就来编写代码实现一个图片分类程序。

1.2 实验知识点

• caffe python api

1.3 实验环境

• python 2.7
• opencv 2.4.11
• caffe 1.0.0

二、实验步骤

2.1 准备deploy.prototxt

在第二次实验中，我们编写了network.prototxt用于进行模型的训练，当模型训练完成需要使用模型进行实际的分类时，就不能再继续用network.prototxt来定义我们的网络结构了。因为此时我们不需要区分TRAIN和TEST这两种phase,　同时我们模型的需要输出对每种类别的概率预测，而不是损失函数值，并且我们也不需要准确率层了。　　

但是我们的网络结构是不会变的，所以我们可以直接在network.prototxt的基础上进行修改。首先我们需要去掉一个数据层，并且将include{phase:TRAIN/TEST}参数删掉，然后我们需要删掉Accuracy层和SoftmaxWithLoss层，最后需要添加一个概率预测层prob,其定义如下：

layer{    name: "prob"    type: "Softmax"    bottom: "ip2"    bottom: "label"    top: "prob"}

我们之前说过，通常都会将Softmax层作为模型对概率的预测输出，所以这里的type参数为Softmax。　　

完整的deploy.prototxt文件可以通过以下命令获取：

wget http://labfile.oss.aliyuncs.com/courses/820/deploy.tar.gztar zxvf deploy.tar.gz

注意里面还包含了我们接下来会介绍的classifier.py文件

2.2 转换平均值文件

在前面获取训练数据时，我们使用compute_image_mean命令计算出了平均值文件train.binaryproto, 在我们将要实现的python程序中，也必须对图片减去均值，为了让python能够读取平均值文件ÿ