caffe-windows caffe-master 之Matlab中model的分类应用

Posted 2020-08-26 TensorSense

此篇讲述在matlab中，如何将训练好的model用于图像分类。将以mnist为例，主要用到caffe-master\matlab\demo 下的classification_demo.m ，可参考我之前的博客 【caffe-windows】 caffe-master 之 classfication_demo.m 超详细分析 （http://blog.csdn.net/u011995719/article/details/54135189）

 

首先贴大神的博客：http://blog.csdn.net/zb1165048017/article/details/52447109

 

我的实验是参考了他的步骤，相比之前的mnist分类，这里增加了减均值操作，所以需要对配置文件做出相应的更改，同时也可以学习一下如何求取训练集的均值文件，以及减均值操作。

 

前期准备： 下载测试图片（链接：http://pan.baidu.com/s/1o7NySMu密码：bead 源自：http://blog.csdn.net/zb1165048017/article/details/52217772），放到文件夹caffe-master\matlab\demo 下

 

第一步： 算出均值，得到均值文件mean.binaryproto

 在caffe-master\examples\mnist下创建 文本文档，后缀更改为 .bat 复制以下code:

 

..\..\Build\x64\Release\compute_image_mean.exe-backend=lmdb ../../examples\mnist\mnist_train_lmdb mean.binaryproto

Pause

 

如图：

 

 

 

 

双击运行，则在caffe-master\examples\mnist下会得到 mean.binaryproto

(PS: 至于mnist数据获取此处不再重复，请参照我之前的博客：http://blog.csdn.net/u011995719/article/details/54023085)

 

需要注意的是，当将mnist数据转换成leveldb的时候，需要对应的更改以上code（imdb改为leveldb）

 

 

第二步：训练model ，需要改动3个文件lenet.prototxt 、lenet_solver.prototxt、lenet_train_test.prototxt

 

 因为要做减均值操作，所以要对lenet_solver.prototxt和lenet_train_test.prototxt进行更改，为了避免和之前的冲突，这里复制了一份，然后分别重命名为lenet_solver_mean.prototxt 和lenet_train_test_mean.prototxt

 

lenet_solver_mean.prototxt较lenet_solver.prototxt更改处如下：

 

net:"../../examples/mnist/lenet_train_test_mean.prototxt"

 

如图：

 

  

 

lenet_train_test_mean.prototxt较lenet_train_test.prototxt 更改处如下：

    phase: TRAIN

  }

  transform_param {

       mean_file:"../../examples/mnist/mean.binaryproto"

    scale: 0.00390625

  }

 

    phase: TEST

  }

  transform_param {

       mean_file:"../../examples/mnist/mean.binaryproto"

    scale: 0.00390625

  }

如图：

 

 

 请注意自己数据的格式，是LMDB还是LEVELDB 。

 

最后更改lenet.prototxt，更改处如下：

  input_param { shape: { dim:1  dim: 1 dim: 28 dim: 28 } }

这里存在一个问题就是为什么是64，是bug？还是什么？ 没搞没明白

 

 更改好了以上三个文件，就可以在caffe-master\examples\mnist下创建 .bat 文件训练了，具体如图：

 

训练好之后会有lenet_iter_10000.caffemodel，这个就是后面在matlab里要用到的模型了

 

 

第三步：创建标签文件 mnist_synset_words.txt

       在caffe-master\matlab\demo下创建文本文档复制以下代码：

0 

1 

2 

3 

4 

5 

6 

7 

8 

9

保存，为了区别不同的标签文件，此处更改了文件名为mnist_synset_words，因此在后面的matlab程序中读取时候需要做相应更改

 

如图：

 

 

 

第四步：编辑两个matlab文件，一个是classification_demo.m的修改，一个是调用classification_demo的主函数

       在caffe-master\matlab\demo下创建m文件，保存为mnist_test.m 具体code如下：

clear  
clc  
close all  
im=imread([‘binarybmp/5.bmp‘]);   % 读取图片
figure;imshow(im);  %显示图片  
[scores, maxlabel] = mnist_CF(im‘, 1);   %获取得分 第二个参数0为CPU，1为GPU  
scores   ;
maxlabel  ;
  
figure;plot(scores);    % 画出得分情况  
axis([0, 10, -0.1, 0.5]);   % 坐标轴范围  
grid on % 有网格  
  
fid = fopen(‘mnist_synset_words.txt‘, ‘r‘);  
i=0;  
while ~feof(fid)   % while ~feof 表示 若 未读到文件末尾 则 继续 循环
    i=i+1;   
    lin = fgetl(fid);   % fgetl 从已经打开的文件中读取一行，并且丢掉末尾的换行符
    lin = strtrim(lin); % strtrim 从字符串或cell开头去掉空格
    if(i==maxlabel)  
        fprintf(‘The maxlabel of %d in label txt is %s\n‘,i,lin)  
        break  
    end  
end  

 

 

 

 

在caffe-master\matlab\demo下创建m文件，保存为mnist_CF.m

具体code如下：

 function [scores, maxlabel] = mnist_CF(im, use_gpu)
%此处为添加路径，确保能找到caffe-master\matlab\+caffe
if exist(‘../+caffe‘, ‘dir‘)
  addpath(‘../..‘);
else
  error(‘Please run this demo from caffe/matlab/demo‘);
end
% 设置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 = ‘../../examples/mnist/‘;  
net_model = [model_dir ‘lenet.prototxt‘];  
net_weights = [model_dir ‘lenet_iter_10000.caffemodel‘];  
phase = ‘test‘; % 指出网络状态为test，防止使用dropout
if ~exist(net_weights, ‘file‘)% 检测模型是否存在，不存在则报错提醒
  error(‘Please download CaffeNet from Model Zoo before you run this demo‘);
end


 
net = caffe.Net(net_model, net_weights, phase); % 初始化网络
%　 oversample
    mean_data = caffe.io.read_mean(‘../../examples/mnist/mean.binaryproto‘); %
    scale = 0.00390625;
    im = double(im);
    im =  (im-mean_data)*scale;
    input_data = {im};


scores = net.forward(input_data);   %　将数据输入到网络，进行前向传播，得出分数，scores是一个细胞元组


scores = scores{1};         % scores 是 1000*10 的矩阵 10是对应了10个crop图片
scores = mean(scores, 2);   %　对10个crop进行求平均 
[~, maxlabel] = max(scores); % 再找出最大的那一个 


% 重置 caffe
caffe.reset_all();

 

 

 

第五步 : 运行mnist_test.m即可 

 

 

PS：很容易出现路径不正确的问题，出错先看看是否路径不正确。其次就是这里我更改了好多文件名，所以相应的文件里面也要做修改，最好用ctrl+c ctrl+v的方法，免得书写错误。