FCN网络的训练——以SIFT-Flow 数据集为例

（一）数据准备（以SIFT-Flow 数据集为例）

下载数据集：下载地址。
并解压至/fcn.berkeleyvision.org/data/下，并将文件夹名重命名为sift-flow。之后，将数据全部resize到500*500

1：（直接用原数据256×256训练的时候出现error == cudaSuccess (2 vs. 0) out of memory 解决方法见：https://stackoverflow.com/questions/33790366/caffe-check-failed-error-cudasuccess-2-vs-0-out-of-memory 显卡内存（3G）太小哦，或者减少batchsize大小。）

附带：python image resize:
    from PIL import Image
    import os.path
    import glob
    def convertjpg(jpgfile,outdir,width=500,height=500):
    img=Image.open(jpgfile)   
    new_img=img.resize((width,height),Image.BILINEAR)   
    new_img.save(os.path.join(outdir,os.path.basename(jpgfile)))
    for jpgfile in glob.glob("/home/lly/fcn.berkeleyvision.org/data/sift-flow/Images/spatial_envelope_256x256_static_8outdoorcategories/*.jpg"):
    convertjpg(jpgfile,"/home/lly/fcn.berkeleyvision.org/data/sift-flow/Images/1")

2：这里一定要注意，/fcn.berkeleyvision.org/data/下本来就有一个文件夹叫sift-flow，千万不要覆盖。同时，这些原本就存在的文件夹里的东西还要全部复制到新解压的sift-flow文件夹下边。你可以先把原本的sift-slow重新命名为sitf-flow_1，然后再解压复制。

（二） 下载预训练模型

下载VGG-16的预训练模型放至/fcn.berkeleyvision.org/ilsvrc-nets/目录下，并重命名为vgg16-fcn.caffemodel。

1：特百度网盘搜索下载

2：百度网盘下载：

链接: http://pan.baidu.com/s/1c2d0mBY 密码: pjg

（三）源码修改

1. prototxt文件修改

进入siftflow-fcn32s文件夹下，将test.prototxt和trainval.prototxt中的fc6和fc7分别替换为其他名称，例如：fc6_new和fc7_new。

原因是我们下载的预训练模型VGG-16原模型中包含有fc6和fc7这两个全连接层，而在prototxt中，使我们新添加的卷积层，在模型加载时，如果名称一样，而结构数据不同，便会报错。如果改名之后，原来的fc6/7则会被忽略，而使用我们新的层。

2. caffe path的加入

由于FCN代码和caffe代码是独立的文件夹，因此，须将caffe的Python接口加入到path中去。这里有两种方案，一种是在所有代码中出现import caffe 之前，加入：

1 import sys
2 sys.path.append('caffe根目录/python')

另一种一劳永逸的方法是:在终端或者bashrc中将接口加入到PYTHONPATH中：

export PYTHONPATH=caffe根目录/python:$PYTHONPATH

（四）训练

1 $ cd cd siftflow-fcn32s/ 2 $ python solve.py

训练过程遇到的问题见：

http://www.linuxidc.com/Linux/2017-01/139242.htm

（五）.训练完后用得到的model来测试

测试训练的网络：单张图像测试 在fcn源码文件夹，找到infer.py 在第一行加上 import sys sys.path.append(‘/home/my/caffe-master/caffe-master/python’)

net = caffe.Net(‘deploy.prototxt’, ‘siftflow-fcn32s/train_iter_100000.caffemodel’, caffe.TEST) 中，train_iter_100000.caffemodel为训练得到的模型

im = Image.open(‘test.jpg’)为 测试的图片名， plt.savefig(‘test_out.png’)为将测试结果保存为test_output.png

此外 out = net.blobs[‘score’].data[0].argmax(axis=0) 改成 out = net.blobs[‘score_sem’].data[0].argmax(axis=solve.py0)

测试结果，用自己的图测试。http://blog.csdn.net/u010069760/article/details/74923344附问题答惑链接 http://blog.csdn.net/u013059662/article/details/52770198