读懂 caffe的prototxt文件

caffe的prototxt文件_OneCoder的博客-CSDN博客_prototxt

• name任取，表示这一层的名字
• type：层类型，如果是Data，表示数据来源是LevelDB后者LMDB，根据数据来源的不同，数据层的类型也不同，有些还是从磁盘中存储hdf5或者图片格式。
• top和bottom：top为此层输出，bottom为此层输入，在数据层中，至少有一个命名为data的top。如果有第二个top，一般命名为label。这种（data， label）的配对是分类模型所必需的。
• include：一般训练和测试的时候，模型的参数有些不一样。所以这个是用来指定该数据层是属于训练阶段或者测试阶段的层。若未指定，则该层既用在训练模型又用在测试模型上。
• transform_param：数据的预处理，可以将数据变换到定义的范围内。如设置scale为0.00390625，实际上就是1/255，即将输入数据由0~255归一化到0~1之间。
• data_param：根据数据来源的不同，来进行不同的设置。必须设置的参数有source和batch_size，source包含数据库的目录名字，batch_size就是每次处理的数据个数。可选参数有rand_skip和backend，backend是选择采用LevelDB还是LMDB，默认是LevelDB【这个应该是选择数据库引擎】

1. # parameters for generating detection output.
2. 
   # 生成检测输出的参数。
3. 
   det_out_param = {
4. 
   # 类别数目
5. 
   'num_classes': num_classes,
6. 
   # 位置共享。
7. 
   'share_location': share_location,
8. 
   # 背景类别编号，这里为0。
9. 
   'background_label_id': background_label_id,
10. 
    
11. 
    # 非最大抑制参数，阀值为0.45，top_k表示最大数量的结果要保留，
12. 
    # 文中介绍，非最大抑制的作用就是消除多余的框，就是使评分低的框剔除。
13. 
    # 参数解释在caffe.proto中有介绍。
14. 
    'nms_param': {'nms_threshold': 0.45, 'top_k': 400},
15. 
    
16. 
    # 用于保存检测结果的参数，这一部分参数在caffe.proto中的SaveOutputParameter有定义。
17. 
    'save_output_param': {
18. 
    # 输出目录。 如果不是空的，我们将保存结果。前面我们有定义结果保存的路径。
19. 
    'output_directory': output_result_dir,
20. 
    # 输出名称前缀。
21. 
    'output_name_prefix': "comp4_det_test_",
22. 
    # 输出格式。VOC - PASCAL VOC输出格式。COCO - MS COCO输出格式。
23. 
    'output_format': "VOC",
24. 
    # 如果要输出结果，还必须提供以下两个文件。否则，我们将忽略保存结果。
25. 
    # 标签映射文件。这在前面中有给label_map_file附文件，
26. 
    # 也就是我们在训练的时候所做的labelmap.prototxt文件的位置，
27. 
    # 详情参看博主博文《基于caffe使用SSD训练自己的数据》。
28. 
    # https://blog.csdn.net/chenlufei_i/article/details/80068953
29. 
    'label_map_file': label_map_file,
30. 
    
31. 
    # 即我们在训练时定义的test_name_size.txt文件的路径。该文件表示测试图片的大小。
32. 
    'name_size_file': name_size_file,
33. 
    
34. 
    # 测试图片的数量。
35. 
    'num_test_image': num_test_image,
36. 
    },
37. 
    # nms步之后每个图像要保留的bbox总数。-1表示在nms步之后保留所有的bbox。
38. 
    'keep_top_k': 200,
39. 
    # 只考虑可信度大于阈值的检测。 如果没有提供，请考虑所有的框。
40. 
    'confidence_threshold': 0.01,
41. 
    # bbox的编码方式。
42. 
    'code_type': code_type,
43. 
    }
44. 
    
45. 
    # parameters for evaluating detection results.
46. 
    # 评估检测结果的参数。
47. 
    # 位于caffe.proto文件中的DetectionEvaluateParameter定义。
48. 
    det_eval_param = {
49. 
    # 类别数
50. 
    'num_classes': num_classes,
51. 
    # 背景编号，为0。
52. 
    'background_label_id': background_label_id,
53. 
    # 重叠阀值，0.5。
54. 
    'overlap_threshold': 0.5,
55. 
    # 如果为true，也要考虑难以评估的grountruth。
56. 
    'evaluate_difficult_gt': False,
57. 
    # test_name_size.txt路径。
58. 
    'name_size_file': name_size_file,
59. 
    }