【caffe-Windows】识别率批量输出——matlab实现

最新推荐文章于 2023-02-28 13:28:47 发布

风翼冰舟

最新推荐文章于 2023-02-28 13:28:47 发布

阅读量3k

点赞数 2

分类专栏： caffe 文章标签： matlab caffe学习

本文链接：https://blog.csdn.net/zb1165048017/article/details/70174614

版权

caffe 专栏收录该内容

24 篇文章 4 订阅

订阅专栏

前言

今天看到群里有人问”用matlab输出测试集的精度“，瞎试了一下，好像还成功了。主要还是依据前面所有在matlab中操作caffe的博客。

这里说一下：classification.m是适用单张图片的精度，类似于classification.exe的功能；这里要做的是在matlab中实现caffe.exe test的功能，也就是批量输出精度

分析

根据caffe.exe test和classification.m的流程，很容易想到，直接把训练时候所用的prototxt丢进去，对比classification.m中调用caffe.Net(model,wights,'test')的思路，试试当model为train_test.prototxt而非deploy.prototxt的效果。然后按照前面caffe在matlab中训练的方法，进行一次前向计算，当然此前向计算需要数据已经载入网络中，而非像classification一样挨个输入。z最后按照前面可视化权重的博客，提取最后一层的accuracy就行了。

流程

将数据集，也就是一堆图片，利用convert的那个exe转换为lmdb格式
在prototxt中更改测试部分的输入为你所转换的lmdb路径
细节调整，比如你有没有均值文件，加入到prototxt中
加载模型，命令caffe.Net
前向计算forward_prefilled命令
利用blob取最后一层accuracy的值

代码书写

数据集转换

以mnist为例，测试集的lmdb文件在前面已经制作出来了，如果是你自己的图片，可以看前面转换数据集的博客。

模型结构

直接使用原始的lenet_train_test.prototxt,测试集部分内容为你自己的转换数据集

layer {
  name: "mnist"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "mnist_test_leveldb"
    batch_size: 100
    backend: LEVELDB
  }
}

其中有一个参数batch_size表示一次性测试多少数据量的准确率, 由于mnist测试集共有一万张图片, 所以测试次数为1000/100=100, 使用批处理方式测试

..\..\Build\x64\Release\caffe.exe test -model=lenet_train_test.prototxt -weights=lenet_iter_10000.caffemodel -iterations=100
pause

写代码

clear
clc
close all

if exist('../../+caffe', 'dir')
    addpath('../..');
else
    error('Please run this demo from caffe/matlab/demo');
end
caffe.reset_all
% Set caffe mode
if exist('use_gpu', 'var') && use_gpu
    caffe.set_mode_gpu();
    gpu_id = 0;  % we will use the first gpu in this demo
    caffe.set_device(gpu_id);
else
    caffe.set_mode_cpu();
end

% model_dir = '../mnist_data/';
% net_model = [model_dir 'lenet.prototxt'];
model_dir = './';
net_model = [model_dir 'lenet_train_test.prototxt'];
net_weights = [model_dir 'lenet_iter_10000.caffemodel'];

if ~exist(net_weights, 'file')
    error('Please download CaffeNet from Model Zoo before you run this demo');
end

% Initialize a network
net = caffe.Net(net_model, net_weights, 'test');
acc=[];
for i=1:100
   net.forward_prefilled
   acc=[acc; net.blobs('accuracy').get_data()];
end
acc