【caffe-windows】 caffe-master 之 classfication_demo.m 超詳細分析

標籤：項目   nis   rgb   資料格式   form   contains   lan   ast   ssi   

 

classification_demo.m 是個很好的學習資料，瞭解這個代碼之後，就能在matlab裡用訓練好的model對輸入映像進行分類了，而且我在裡邊還學到了oversample的執行個體，終於瞭解資料增強是個怎麼回事。

 

caffe-master\matlab\demo\classification_demo.m這個demo是針對  ImageNet映像分類的(1000個類)， 主要是調用訓練好model，對輸入的映像進行分類，輸出分類結果。

要想運行此demo，需要的東西有：

1. 模型描述檔案：deploy.prototxt（這個檔案本來就有，不用管）

2. 模型本身：bvlc_reference_caffenet.caffemodel  

3. 標籤檔案：用來描述1000個類分別是什麼

4. 均值檔案：即訓練樣本的均值檔案（沒看過相關資料，暫時認為是訓練樣本的均值檔案），ilsvrc_2012_mean.mat，檔案已經存在於caffe-master\matlab\+caffe\imagenet之中

 

從以上可以知道，當我們想將classification運用於自己的資料集的時候就要對應的更改以上4點。

 

 

Matalb介面的配置以及demo的運行請看之前的部落格：【caffe-windows】 caffe-master 之 matlab介面配置 （http://blog.csdn.net/u011995719/article/details/53994570）

 

現在來分析 classification_demo.m，方便之後應用於自己的項目中。

       首先我們來看看輸入輸出：

input

 im       color image as uint8HxWx3

 use_gpu   1 to use the GPU, 0 touse the CPU

 output

 scores   1000-dimensional ILSVRCscore vector

 maxlabel the label of the highest score

輸入有兩個參數，一個是圖片，為單張圖（若要測試多張，用for解決），另外一個則是CPU和GPU的選擇。

輸出也有兩個參數，一個是得分，即該圖片對應所有類別的一個機率分布，另外一個則是最高得分所對應的類別，這就和標籤檔案有關了。

       下面直接貼源碼進行分析（刪減原注釋，建議對照原注釋）：

 

 

%此處為添加路徑，確保能找到caffe-master\matlab\+caffe
if exist(‘../+caffe‘, ‘dir‘)
  addpath(‘..‘);
else
  error(‘Please run this demo from caffe/matlab/demo‘);
end


% 設定CPU or GPU
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 = ‘../../models/bvlc_reference_caffenet/‘;% 模型所在檔案夾路徑
net_model = [model_dir ‘deploy.prototxt‘];          % 模型描述檔案的路徑
net_weights = [model_dir ‘bvlc_reference_caffenet.caffemodel‘]; % 模型的路徑
phase = ‘test‘; % 指出網路狀態為test，防止使用dropout
if ~exist(net_weights, ‘file‘)% 檢測模型是否存在，不存在則報錯提醒
  error(‘Please download CaffeNet from Model Zoo before you run this demo‘);
end


 
net = caffe.Net(net_model, net_weights, phase); % 初始化網路


 %　若classification_demo這個函數的輸入參數小於1，即無輸入參數，則預設使用 caffe/examples/images/cat.jpg 這張圖片
if nargin < 1   
  fprintf(‘using caffe/examples/images/cat.jpg as input image\n‘);
  im = imread(‘../../examples/images/cat.jpg‘);
end




%　重點來了！　由於caffe裡的資料是 BGR的順序，而matlab是RGB的順序，因此需要對輸入圖片進行變換
%  這裡用一個prepare_image函數將RGB轉成BGR，而且對輸入圖片進行了resize操作，crop操作以及減均值
%   跑到最下面去看看  prepare_image函數
tic;
input_data = {prepare_image(im)};
toc;


tic;


scores = net.forward(input_data);   %　將資料輸入到網路，進行前向傳播，得出分數，scores是一個細胞元組
toc;


scores = scores{1};         % scores 是 1000*10 的矩陣 10是對應了10個crop圖片
scores = mean(scores, 2);   %　對10個crop進行求平均 
[~, maxlabel] = max(scores); % 再找出最大的那一個 


% 重設 caffe
caffe.reset_all();


% ------------------------------------------------------------------------
function crops_data = prepare_image(im) 
% ------------------------------------------------------------------------
% caffe/matlab/+caffe/imagenet/ilsvrc_2012_mean.mat contains mean_data that
% is already in W x H x C with BGR channels
d = load(‘../+caffe/imagenet/ilsvrc_2012_mean.mat‘);    % 讀取均值檔案通道順序已經是BGR
mean_data = d.mean_data;
IMAGE_DIM = 256;            %  resize的大小
CROPPED_DIM = 227;          %　crop的大小，因為模型的輸入就是 227*227的，所以最終要得到一個227*227的


% Convert an image returned by Matlab‘s imread to im_data in caffe‘s data
% format: W x H x C with BGR channels
im_data = im(:, :, [3, 2, 1]);  % RGB 轉成了 BGR ，im_data通道順序已經是 BGR
im_data = permute(im_data, [2, 1, 3]);  % 對輸入映像進行了轉置， 長和寬換一換     
im_data = single(im_data);  %  資料格式轉成uint8類型
im_data = imresize(im_data, [IMAGE_DIM IMAGE_DIM], ‘bilinear‘);  % 採取雙線性插值法，對輸入圖片進行resize至 IMAGE_DIM 大小
im_data = im_data - mean_data;  % 再減去均值


% oversample (4 corners, center, and their x-axis flips)
% oversample 就是 資料增強 2012年Alex等人提出的一個技術，這裡是在圖片（此處256*256的）的4個角以及正中心截取出5張
% 227*227的圖片，然後將這5張圖片在x軸上進行鏡像，總共獲得10張 227*227的圖片作為模型的輸入
crops_data = zeros(CROPPED_DIM, CROPPED_DIM, 3, 10, ‘single‘);
indices = [0 IMAGE_DIM-CROPPED_DIM] + 1;
n = 1;
for i = indices     % for迴圈只是截取了4個角的
  for j = indices
    crops_data(:, :, :, n) = im_data(i:i+CROPPED_DIM-1, j:j+CROPPED_DIM-1, :);  % 截取一個角的 227*227的圖片
    crops_data(:, :, :, n+5) = crops_data(end:-1:1, :, :, n);                   % 將該圖片在x軸上作鏡像，+5是因為共截取5張227*227
    n = n + 1;                                                                  % 截取5張，再分別鏡像，一張圖片變成了10張圖片進行輸入
  end                                                                           
end
center = floor(indices(2) / 2) + 1;     % 截取中心的圖片，再進行鏡像
crops_data(:,:,:,5) = ...
  im_data(center:center+CROPPED_DIM-1,center:center+CROPPED_DIM-1,:);
crops_data(:,:,:,10) = crops_data(end:-1:1, :, :, 5);

 

 

 

PS：

1. 大家可以看以下模型描述檔案， deploy.prototxt ，裡的這行   “input_param { shape: { dim: 10 dim: 3 dim: 227 dim: 227 } } ”    為什麼輸入是 10*3*227*227。一開始我還以為這個10是batch數，但是看完了 classification_demo後終於明白這個10是怎麼來的了！  

有興趣的同學可以開啟caffe-master\examples\mnist 下的 lenet.prototxt ， 看這行  input_param { shape: { dim: 64 dim: 1 dim: 28 dim: 28 } }，為什麼是64？？求解答

為了做參考，caffe-master\examples\cifar10 下的 cifar10_quick.prototxt 是  input_param { shape: { dim: 1 dim: 3 dim: 32 dim: 32 } } 

 

2. 發現求scores的時候是有 1000*10的矩陣，也就是每一張crop圖片是獨立的input，輸入並不是 一個10*3*227*227的一個資料，而是 10個 3*227*227的資料，然後得到10組得分，然後再求平均！ （怎麼老感覺有種作弊的嫌疑！！）     所以要運用此代碼到自己的資料集時候，請記得留意 scores！！

 

【caffe-windows】 caffe-master 之 classfication_demo.m 超詳細分析