深度学习图片分类方法
2018-02-20 17:08:00 weixin_33747129 阅读数 61

每一张图片可以分解成为三个矩阵,合在一起就成了3维数据。
所以和矩阵数据进行建模还是有很多区别的
数据也都是都是随机生成的

library(keras)

# generate dummy data
x_train <- array(runif(100 * 100 * 100 * 3), dim = c(100, 100, 100, 3))

y_train <- runif(100, min = 0, max = 9) %>% 
  round() %>%
  matrix(nrow = 100, ncol = 1) %>% 
  to_categorical(num_classes = 10)

x_test <- array(runif(20 * 100 * 100 * 3), dim = c(20, 100, 100, 3))

y_test <- runif(20, min = 0, max = 9) %>% 
  round() %>%
  matrix(nrow = 20, ncol = 1) %>% 
  to_categorical(num_classes = 10)

# create model
model <- keras_model_sequential()

# define and compile model
# input: 100x100 images with 3 channels -> (100, 100, 3) tensors.
# this applies 32 convolution filters of size 3x3 each.
model %>% 
  layer_conv_2d(filters = 32, kernel_size = c(3,3), activation = 'relu', 
                input_shape = c(100,100,3)) %>% 
  layer_conv_2d(filters = 32, kernel_size = c(3,3), activation = 'relu') %>% 
  layer_max_pooling_2d(pool_size = c(2,2)) %>% 
  layer_dropout(rate = 0.25) %>% 
  layer_conv_2d(filters = 64, kernel_size = c(3,3), activation = 'relu') %>% 
  layer_conv_2d(filters = 64, kernel_size = c(3,3), activation = 'relu') %>% 
  layer_max_pooling_2d(pool_size = c(2,2)) %>% 
  layer_dropout(rate = 0.25) %>% 
  layer_flatten() %>% 
  layer_dense(units = 256, activation = 'relu') %>% 
  layer_dropout(rate = 0.25) %>% 
  layer_dense(units = 10, activation = 'softmax') %>% 
  compile(
    loss = 'categorical_crossentropy', 
    optimizer = optimizer_sgd(lr = 0.01, decay = 1e-6, momentum = 0.9, nesterov = TRUE)
  )

# train
model %>% fit(x_train, y_train, batch_size = 32, epochs = 10)

# evaluate
score <- model %>% evaluate(x_test, y_test, batch_size = 32)

2018-04-24 21:48:51 weixin_37203756 阅读数 3752
1.随机切割,图片翻转,旋转,等等很多手段都可以增加训练集,提高泛化能力.
2. Resampling 或者增加噪声等等,人工合成更多的样本.
3.对小样本数据进行仿射变换、切割、旋转、加噪等各种处理,可以生成更多样本.
4.用GAN生成数据提供给数据集.
5.找个Imagenet数据集上训练好的的模型,冻结最后一层或者最后几层,然后迁移学习+fine tuning,图片数量少,做一些翻转,变化,剪切,白化等等.
6.
第一种思路是数据增强,也就是用随机应对随机。既然狗子的位置在照片中不固定,那就将原始的图片随机的裁剪一下,旋转一下,将图像的颜色做一些微调,总之就是想象一个熊孩子打开ps修改了每张狗子的照片,给你留下了一堆看起来和原始的训练数据差不多的照片作为新的训练集
7.
水平翻转Flip
随机裁剪、平移变换Crops/Scales

颜色、光照变换

最为常用的是:像素颜色抖动、旋转、剪切、随机裁剪、水平翻转、镜头拉伸和镜头矫正等。

2016-10-12 11:16:03 forest_world 阅读数 3268

Caffe图片训练分类研究、深度学习图片分类
转载请注明:http://blog.csdn.net/forest_world
一、NSFW研究

1、安装Docker

http://www.linuxidc.com/Linux/2014-08/105656.htm

安装Docker使用apt-get命令:
$ apt-get install docker.io
创建软连接
ln -sf /usr/bin/docker.io /usr/local/bin/docker

sudo service docker stop
sudo service docker start 

这里写图片描述

2、

sudo docker build -t caffe:cpu https://raw.githubusercontent.com/BVLC/caffe/master/docker/standalone/cpu/Dockerfile
Step 0 : FROM ubuntu:14.04
 ---> 35b394a6f7a2
Step 1 : MAINTAINER caffe-maint@googlegroups.com
 ---> Using cache
 ---> ca50125d0951
Step 2 : RUN apt-get update && apt-get install -y --no-install-recommends         build-essential         cmake         git         wget         libatlas-base-dev         libboost-all-dev         libgflags-dev         libgoogle-glog-dev         libhdf5-serial-dev         libleveldb-dev         liblmdb-dev         libopencv-dev         libprotobuf-dev         libsnappy-dev         protobuf-compiler         python-dev         python-numpy         python-pip         python-scipy &&     rm -rf /var/lib/apt/lists/*
 ---> Running in d6856e1b4740
Ign http://archive.ubuntu.com trusty InRelease
Get:1 http://archive.ubuntu.com trusty-updates InRelease [65.9 kB]
Get:2 http://archive.ubuntu.com trusty-security InRelease [65.9 kB]
Get:3 http://archive.ubuntu.com trusty Release.gpg [933 B]
Get:4 http://archive.ubuntu.com trusty-updates/main Sources [474 kB]
Get:5 http://archive.ubuntu.com trusty-updates/main Sources [474 kB]
Get:6 http://archive.ubuntu.com trusty-updates/restricted Sources [5247 B]
Get:7 http://archive.ubuntu.com trusty-updates/universe Sources [209 kB]
Get:8 http://archive.ubuntu.com trusty-updates/main amd64 Packages [1131 kB]

......

Removing intermediate container d3643cce1d7e
Step 7 : ENV PYCAFFE_ROOT $CAFFE_ROOT/python
 ---> Running in e4e4019889f8
 ---> e982c669b99b
Removing intermediate container e4e4019889f8
Step 8 : ENV PYTHONPATH $PYCAFFE_ROOT:$PYTHONPATH
 ---> Running in a9ee4331bbe8
 ---> 8a1867b64b5c
Removing intermediate container a9ee4331bbe8
Step 9 : ENV PATH $CAFFE_ROOT/build/tools:$PYCAFFE_ROOT:$PATH
 ---> Running in bc2a271a95bd
 ---> 864daab5c633
Removing intermediate container bc2a271a95bd
Step 10 : RUN echo "$CAFFE_ROOT/build/lib" >> /etc/ld.so.conf.d/caffe.conf && ldconfig
 ---> Running in d0af6f3e69ea
 ---> fa8b1e810492
Removing intermediate container d0af6f3e69ea
Step 11 : WORKDIR /workspace
 ---> Running in ab94152a0a18
 ---> 49ffbf2d8fef
Removing intermediate container ab94152a0a18
Successfully built 49ffbf2d8fef

3、
git clone https://github.com/yahoo/open_nsfw
$ cd open_nsfw

@ubuntu:~$ git clone https://github.com/yahoo/open_nsfw
Cloning into 'open_nsfw'...
remote: Counting objects: 31, done.
remote: Compressing objects: 100% (20/20), done.
Unpacking objects:  32% (10/31) 

4、

I1012 05:17:23.226325     1 net.cpp:228] relu_stage0_block0 does not need backward computation.
I1012 05:17:23.226327     1 net.cpp:228] eltwise_stage0_block0 does not need backward computation.
I1012 05:17:23.226331     1 net.cpp:228] scale_stage0_block0_branch2c does not need backward computation.
I1012 05:17:23.226333     1 net.cpp:228] bn_stage0_block0_branch2c does not need backward computation.
I1012 05:17:23.226336     1 net.cpp:228] conv_stage0_block0_branch2c does not need backward computation.
I1012 05:17:23.226339     1 net.cpp:228] relu_stage0_block0_branch2b does not need backward computation.
I1012 05:17:23.226342     1 net.cpp:228] scale_stage0_block0_branch2b does not need backward computation.
I1012 05:17:23.226346     1 net.cpp:228] bn_stage0_block0_branch2b does not need backward computation.
I1012 05:17:23.226348     1 net.cpp:228] conv_stage0_block0_branch2b does not need backward computation.
I1012 05:17:23.226351     1 net.cpp:228] relu_stage0_block0_branch2a does not need backward computation.
I1012 05:17:23.226354     1 net.cpp:228] scale_stage0_block0_branch2a does not need backward computation.
I1012 05:17:23.226356     1 net.cpp:228] bn_stage0_block0_branch2a does not need backward computation.
I1012 05:17:23.226359     1 net.cpp:228] conv_stage0_block0_branch2a does not need backward computation.
I1012 05:17:23.226362     1 net.cpp:228] scale_stage0_block0_proj_shortcut does not need backward computation.
I1012 05:17:23.226366     1 net.cpp:228] bn_stage0_block0_proj_shortcut does not need backward computation.
I1012 05:17:23.226368     1 net.cpp:228] conv_stage0_block0_proj_shortcut does not need backward computation.
I1012 05:17:23.226372     1 net.cpp:228] pool1_pool1_0_split does not need backward computation.
I1012 05:17:23.226374     1 net.cpp:228] pool1 does not need backward computation.
I1012 05:17:23.226378     1 net.cpp:228] relu_1 does not need backward computation.
I1012 05:17:23.226380     1 net.cpp:228] scale_1 does not need backward computation.
I1012 05:17:23.226383     1 net.cpp:228] bn_1 does not need backward computation.
I1012 05:17:23.226387     1 net.cpp:228] conv_1 does not need backward computation.
I1012 05:17:23.226389     1 net.cpp:228] data does not need backward computation.
I1012 05:17:23.226392     1 net.cpp:270] This network produces output prob
I1012 05:17:23.226526     1 net.cpp:283] Network initialization done.
I1012 05:17:23.277700     1 upgrade_proto.cpp:77] Attempting to upgrade batch norm layers using deprecated params: nsfw_model/resnet_50_1by2_nsfw.caffemodel
I1012 05:17:23.277819     1 upgrade_proto.cpp:80] Successfully upgraded batch norm layers using deprecated params.
I1012 05:17:23.283418     1 net.cpp:761] Ignoring source layer loss
NSFW score:   0.000410715758335

二、

这里写图片描述

#include <caffe/caffe.hpp>
#ifdef USE_OPENCV
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#endif  // USE_OPENCV
#include <algorithm>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>

#ifdef USE_OPENCV
using namespace caffe;  // NOLINT(build/namespaces)
using std::string;

/* Pair (label, confidence) representing a prediction. */
typedef std::pair<string, float> Prediction;

class Classifier {
 public:
  Classifier(const string& model_file,
             const string& trained_file,
             const string& mean_file,
             const string& label_file);

  std::vector<Prediction> Classify(const cv::Mat& img, int N = 5);

 private:
  void SetMean(const string& mean_file);

  std::vector<float> Predict(const cv::Mat& img);

  void WrapInputLayer(std::vector<cv::Mat>* input_channels);

  void Preprocess(const cv::Mat& img,
                  std::vector<cv::Mat>* input_channels);

 private:
  shared_ptr<Net<float> > net_;
  cv::Size input_geometry_;
  int num_channels_;
  cv::Mat mean_;
  std::vector<string> labels_;
};

Classifier::Classifier(const string& model_file,
                       const string& trained_file,
                       const string& mean_file,
                       const string& label_file) {
#ifdef CPU_ONLY
  Caffe::set_mode(Caffe::CPU);
#else
  Caffe::set_mode(Caffe::GPU);
#endif

  /* Load the network. */
  net_.reset(new Net<float>(model_file, TEST));
  net_->CopyTrainedLayersFrom(trained_file);

  CHECK_EQ(net_->num_inputs(), 1) << "Network should have exactly one input.";
  CHECK_EQ(net_->num_outputs(), 1) << "Network should have exactly one output.";

  Blob<float>* input_layer = net_->input_blobs()[0];
  num_channels_ = input_layer->channels();
  CHECK(num_channels_ == 3 || num_channels_ == 1)
    << "Input layer should have 1 or 3 channels.";
  input_geometry_ = cv::Size(input_layer->width(), input_layer->height());

  /* Load the binaryproto mean file. */
  SetMean(mean_file);

  /* Load labels. */
  std::ifstream labels(label_file.c_str());
  CHECK(labels) << "Unable to open labels file " << label_file;
  string line;
  while (std::getline(labels, line))
    labels_.push_back(string(line));

  Blob<float>* output_layer = net_->output_blobs()[0];
  CHECK_EQ(labels_.size(), output_layer->channels())
    << "Number of labels is different from the output layer dimension.";
}

static bool PairCompare(const std::pair<float, int>& lhs,
                        const std::pair<float, int>& rhs) {
  return lhs.first > rhs.first;
}

/* Return the indices of the top N values of vector v. */
static std::vector<int> Argmax(const std::vector<float>& v, int N) {
  std::vector<std::pair<float, int> > pairs;
  for (size_t i = 0; i < v.size(); ++i)
    pairs.push_back(std::make_pair(v[i], static_cast<int>(i)));
  std::partial_sort(pairs.begin(), pairs.begin() + N, pairs.end(), PairCompare);

  std::vector<int> result;
  for (int i = 0; i < N; ++i)
    result.push_back(pairs[i].second);
  return result;
}

/* Return the top N predictions. */
std::vector<Prediction> Classifier::Classify(const cv::Mat& img, int N) {
  std::vector<float> output = Predict(img);

  N = std::min<int>(labels_.size(), N);
  std::vector<int> maxN = Argmax(output, N);
  std::vector<Prediction> predictions;
  for (int i = 0; i < N; ++i) {
    int idx = maxN[i];
    predictions.push_back(std::make_pair(labels_[idx], output[idx]));
  }

  return predictions;
}

/* Load the mean file in binaryproto format. */
void Classifier::SetMean(const string& mean_file) {
  BlobProto blob_proto;
  ReadProtoFromBinaryFileOrDie(mean_file.c_str(), &blob_proto);

  /* Convert from BlobProto to Blob<float> */
  Blob<float> mean_blob;
  mean_blob.FromProto(blob_proto);
  CHECK_EQ(mean_blob.channels(), num_channels_)
    << "Number of channels of mean file doesn't match input layer.";

  /* The format of the mean file is planar 32-bit float BGR or grayscale. */
  std::vector<cv::Mat> channels;
  float* data = mean_blob.mutable_cpu_data();
  for (int i = 0; i < num_channels_; ++i) {
    /* Extract an individual channel. */
    cv::Mat channel(mean_blob.height(), mean_blob.width(), CV_32FC1, data);
    channels.push_back(channel);
    data += mean_blob.height() * mean_blob.width();
  }

  /* Merge the separate channels into a single image. */
  cv::Mat mean;
  cv::merge(channels, mean);

  /* Compute the global mean pixel value and create a mean image
   * filled with this value. */
  cv::Scalar channel_mean = cv::mean(mean);
  mean_ = cv::Mat(input_geometry_, mean.type(), channel_mean);
}

std::vector<float> Classifier::Predict(const cv::Mat& img) {
  Blob<float>* input_layer = net_->input_blobs()[0];
  input_layer->Reshape(1, num_channels_,
                       input_geometry_.height, input_geometry_.width);
  /* Forward dimension change to all layers. */
  net_->Reshape();

  std::vector<cv::Mat> input_channels;
  WrapInputLayer(&input_channels);

  Preprocess(img, &input_channels);

  net_->Forward();

  /* Copy the output layer to a std::vector */
  Blob<float>* output_layer = net_->output_blobs()[0];
  const float* begin = output_layer->cpu_data();
  const float* end = begin + output_layer->channels();
  return std::vector<float>(begin, end);
}

/* Wrap the input layer of the network in separate cv::Mat objects
 * (one per channel). This way we save one memcpy operation and we
 * don't need to rely on cudaMemcpy2D. The last preprocessing
 * operation will write the separate channels directly to the input
 * layer. */
void Classifier::WrapInputLayer(std::vector<cv::Mat>* input_channels) {
  Blob<float>* input_layer = net_->input_blobs()[0];

  int width = input_layer->width();
  int height = input_layer->height();
  float* input_data = input_layer->mutable_cpu_data();
  for (int i = 0; i < input_layer->channels(); ++i) {
    cv::Mat channel(height, width, CV_32FC1, input_data);
    input_channels->push_back(channel);
    input_data += width * height;
  }
}

void Classifier::Preprocess(const cv::Mat& img,
                            std::vector<cv::Mat>* input_channels) {
  /* Convert the input image to the input image format of the network. */
  cv::Mat sample;
  if (img.channels() == 3 && num_channels_ == 1)
    cv::cvtColor(img, sample, cv::COLOR_BGR2GRAY);
  else if (img.channels() == 4 && num_channels_ == 1)
    cv::cvtColor(img, sample, cv::COLOR_BGRA2GRAY);
  else if (img.channels() == 4 && num_channels_ == 3)
    cv::cvtColor(img, sample, cv::COLOR_BGRA2BGR);
  else if (img.channels() == 1 && num_channels_ == 3)
    cv::cvtColor(img, sample, cv::COLOR_GRAY2BGR);
  else
    sample = img;

  cv::Mat sample_resized;
  if (sample.size() != input_geometry_)
    cv::resize(sample, sample_resized, input_geometry_);
  else
    sample_resized = sample;

  cv::Mat sample_float;
  if (num_channels_ == 3)
    sample_resized.convertTo(sample_float, CV_32FC3);
  else
    sample_resized.convertTo(sample_float, CV_32FC1);

  cv::Mat sample_normalized;
  cv::subtract(sample_float, mean_, sample_normalized);

  /* This operation will write the separate BGR planes directly to the
   * input layer of the network because it is wrapped by the cv::Mat
   * objects in input_channels. */
  cv::split(sample_normalized, *input_channels);

  CHECK(reinterpret_cast<float*>(input_channels->at(0).data)
        == net_->input_blobs()[0]->cpu_data())
    << "Input channels are not wrapping the input layer of the network.";
}

int main(int argc, char** argv) {
  if (argc != 6) {
    std::cerr << "Usage: " << argv[0]
              << " deploy.prototxt network.caffemodel"
              << " mean.binaryproto labels.txt img.jpg" << std::endl;
    return 1;
  }

  ::google::InitGoogleLogging(argv[0]);

  string model_file   = argv[1];
  string trained_file = argv[2];
  string mean_file    = argv[3];
  string label_file   = argv[4];
  Classifier classifier(model_file, trained_file, mean_file, label_file);

  string file = argv[5];

  std::cout << "---------- Prediction for "
            << file << " ----------" << std::endl;

  cv::Mat img = cv::imread(file, -1);
  CHECK(!img.empty()) << "Unable to decode image " << file;
  std::vector<Prediction> predictions = classifier.Classify(img);

  /* Print the top N predictions. */
  for (size_t i = 0; i < predictions.size(); ++i) {
    Prediction p = predictions[i];
    std::cout << std::fixed << std::setprecision(4) << p.second << " - \""
              << p.first << "\"" << std::endl;
  }
}
#else
int main(int argc, char** argv) {
  LOG(FATAL) << "This example requires OpenCV; compile with USE_OPENCV.";
}
#endif  // USE_OPENCV

这里写图片描述

这里写图片描述

  string model_file   ("E:\\ cpp_classification\\caffe.prototxt");
  string trained_file ("E:\\ cpp_classification\\caffe.caffemodel");
  string mean_file    ("E:\\cpp_classification\\mean.binaryproto");
  string label_file   ("E:\\ cpp_classification\\labels.txt");
  Classifier classifier(model_file, trained_file, mean_file, label_file);

  string file ("E:\\ cpp_classification\\test.jpg");

参考学习资料:
http://m.blog.csdn.net/article/details?id=52443126 基于深度学习的人脸识别系统系列(Caffe+OpenCV+Dlib)——【一】如何在Visual Studio中像使用OpenCV一样使用Caffe
http://mp.weixin.qq.com/s?__biz=MzI1NTE4NTUwOQ==&mid=2650325557&idx=1&sn=362d476d3b3820ea56e4672369565e4f&chksm=f235a53fc5422c2939f76b7e8f5265333f3159b0ec4275fe733d27e7a03f17395b0460a318d2&mpshare=1&scene=1&srcid=1017Le0xZeDhioc9DxPIGNN9#wechat_redirect IJCAI16论文速读:Deep Learning论文选读(上)

http://www.cnblogs.com/carle-09/p/5779304.html 4 .caffe:train_val.prototxt、 solver.prototxt 、 deploy.prototxt( 创建模型与编写配置文件)
http://blog.csdn.net/deeplearninglc007/article/details/40086503 使用Caffe对图片进行训练并分类的简单流程
http://blog.csdn.net/wang4959520/article/details/51841110 将train_val.prototxt 转换成deploy.prototxt
http://blog.csdn.net/hyman_yx/article/details/51732656 Caffe均值文件mean.binaryproto转mean.npy
http://blog.csdn.net/shakevincent/article/details/51694686微软Caffe编译
http://www.cnblogs.com/alexcai/p/5469436.html caffe简易上手指南(二)—— 训练我们自己的数据
http://www.aiuxian.com/article/p-1659539.html 深度学习–如何利用Caffe进行训练ImageNet网络
http://www.th7.cn/system/win/201602/153606.shtml caffe for windows 下使用caffemodel 实现cifar10的图像分类
http://blog.csdn.net/dcxhun3/article/details/52021296 用训练好的caffemodel来进行分类
http://neuralnetworksanddeeplearning.com/chap1.html CHAPTER 1 Using neural nets to recognize handwritten digits

http://www.cnblogs.com/shishupeng/p/5694775.html 深度卷积网络CNN与图像语义分割

本文地址:http://blog.csdn.net/forest_world

2015-11-28 18:35:23 u014365862 阅读数 907

1. CNN用于分类:具体的过程大家都知道,无非是卷积,下采样,激活函数,全连接等。CNN用于分类要求它的输入图片的大小是固定的(其实不单单是CNN,很多其它的方法也是这样的),这是它的一个不足之处之一。目前的大部分CNN都是用来做分类比较多。


2. CNN用于检测:主要的方法有两种,细分一下有三种,

第一种最为简单和暴力的,通过滑动窗口的方法,提取一个固定大小的图像patch输入到CNN网络中,得到该patch的一个类别,这样得到一个图片密集的类别得分图。显然,这种方法的一个弊端就是运算量太大,如果图片的分辨率比较的大,就根本无法进行下去,更何况,这还是在没有考虑图片多尺度检测的情况。

第二种方法,在第一种方法的基础之上,采用了动态规划的思想,避免了重复计算问题。对于CNN来说,直到第一个全连接层之前,它的输入图片大小是可以不固定的,但是有了全连接层之后,就要求输入大小保持一致,第二种方法是先把任意大小的图片进行输入CNN直到第一个全连接层,然后再在它的基础上进行固定大小的滑动窗口输入到全连接层中,由于第一个全连接层之前进行了大量的下采样操作,所以这时候的滑动窗口的数目就大大的减少了,而且前面的卷积操作就要计算一次,没有重复计算的问题。CNN里面有一个trick就是把训练好了的用于分类的网络,把它的全连接层参数转化为卷积层参数。这样改造后的CNN就成了全卷积CNN,它的输入是可以任意的,而它的输出是patch 的类别得分。这个在Caffe里面有一个例子说明怎么转换。网址在这里:http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb

第三种方法,跟前两种不同的是,它不是采用滑动窗口的方法,而是采用提取子窗口的方法,这种方法最典型的是今年的CVPR2014的R-CNN方法,它先采用一个方法来进行生成1000-2000左右的窗口区域(类似于目标显著性检测,但又不同,英文的说法叫Objectness,不好翻译),然后再把这些窗口归一化到相同的大小放到CNN里面去做分类。(当然RCNN的方法只是用训练好了的CNN进行提特征,它还需要进行对每一个类别进行训练SVM分类器)。显然这种方法的优点的是比前两种快,因为分类的窗口少,但是它也有不足就是,它要保证要检测的目标在这些1000-2000个提取的窗口中的概率要足够的高,也就是要有比较高的召回率。再者,它要保证这1000-2000个窗口的提取要足够的快,(在R-CNN中,由于它采用的方法生成窗口很慢,所以实际上整个检测是比较慢的。)

2015-11-19 10:11:48 qq_26898461 阅读数 3434

1. CNN用于分类:具体的过程大家都知道,无非是卷积,下采样,激活函数,全连接等。CNN用于分类要求它的输入图片的大小是固定的(其实不单单是CNN,很多其它的方法也是这样的),这是它的一个不足之处之一。目前的大部分CNN都是用来做分类比较多。


2. CNN用于检测:主要的方法有两种,细分一下有三种,

第一种最为简单和暴力的,通过滑动窗口的方法,提取一个固定大小的图像patch输入到CNN网络中,得到该patch的一个类别,这样得到一个图片密集的类别得分图。显然,这种方法的一个弊端就是运算量太大,如果图片的分辨率比较的大,就根本无法进行下去,更何况,这还是在没有考虑图片多尺度检测的情况。

第二种方法,在第一种方法的基础之上,采用了动态规划的思想,避免了重复计算问题。对于CNN来说,直到第一个全连接层之前,它的输入图片大小是可以不固定的,但是有了全连接层之后,就要求输入大小保持一致,第二种方法是先把任意大小的图片进行输入CNN直到第一个全连接层,然后再在它的基础上进行固定大小的滑动窗口输入到全连接层中,由于第一个全连接层之前进行了大量的下采样操作,所以这时候的滑动窗口的数目就大大的减少了,而且前面的卷积操作就要计算一次,没有重复计算的问题。CNN里面有一个trick就是把训练好了的用于分类的网络,把它的全连接层参数转化为卷积层参数。这样改造后的CNN就成了全卷积CNN,它的输入是可以任意的,而它的输出是patch 的类别得分。这个在Caffe里面有一个例子说明怎么转换。网址在这里:http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb

第三种方法,跟前两种不同的是,它不是采用滑动窗口的方法,而是采用提取子窗口的方法,这种方法最典型的是今年的CVPR2014的R-CNN方法,它先采用一个方法来进行生成1000-2000左右的窗口区域(类似于目标显著性检测,但又不同,英文的说法叫Objectness,不好翻译),然后再把这些窗口归一化到相同的大小放到CNN里面去做分类。(当然RCNN的方法只是用训练好了的CNN进行提特征,它还需要进行对每一个类别进行训练SVM分类器)。显然这种方法的优点的是比前两种快,因为分类的窗口少,但是它也有不足就是,它要保证要检测的目标在这些1000-2000个提取的窗口中的概率要足够的高,也就是要有比较高的召回率。再者,它要保证这1000-2000个窗口的提取要足够的快,(在R-CNN中,由于它采用的方法生成窗口很慢,所以实际上整个检测是比较慢的。)


深度学习框架Caffe图片分类教程

阅读数 1234

深度学习框架Caffe图片分类教程使用Caffe进行图片分类大致分为数据集准备,格式转换为LMDB或者LEBELDB,定义网络模型文件,定义求解器文件设置训练参数,部署预测,下边详细说下这几个步骤。PS:训练集图片共1907张,其中200张作为训练阶段测试,另外用于训练。图片分为5类,分别为bus,car,person,cat,train。该教程所说的根目录为Caffe主目录。第一步:数据集准备

博文 来自: qq_31258245

深度学习——Tensorflow学习(二)图片分类

阅读数 2

在开始之前多说一句,本系列的教程均以Tensorflow官方为主,主要是考虑到有些同学英语不好的基础,而且Tensorflow官方的教材也较为简单,对很多基础性的问题没有涉及到,当然作者我也是一个半桶水,我想把我在学习过程中遇到的一些问题进行汇总,总的来说我觉得也可以理解这个学习教材可以称为笔记,之后在每一章我都会将Tensorflow官方教材的地址贴出来...

博文 来自: weixin_34413103

【tensorflow 深度学习】8.训练图片分类模型

阅读数 1327

1.训练图片分类模型的三种方法  (1).从无到有,先确定好算法框架,准备好需要训练的数据集,从头开始训练,参数一开始也是初始化的随机值,一个批次一个批次地进行训练。  (2).准备好已经训练好的模型,权值参数也都已经确定,只训练最后一层,因为前面的参数都是经过大量图片的训练来的,所以参数都比较好,比如卷积层主要的作用的对图像特征的提取,我们要做自己的分类模型的话也得对图像进行特征提取,做...

博文 来自: qq_40314507

深度学习-分类卷积网络

阅读数 550

总结分类卷积网

博文 来自: u013580397

深度学习——分类之ResNeXt

阅读数 511

ResNeXt然后是ResNeXt具体的网络结构。类似ResNet,作者选择了很简单的基本结构,每一组C个不同的分支都进行相同的简单变换,下面是ResNeXt-50(32x4d)的配置清单,32指进入网络的第一个ResNeXt基本结构的分组数量C(即基数)为32,4d表示depth即每一个分组的通道数为4(所以第一个基本结构输入通道数为128):可以看到ResNet-50和ResNeXt-50(3...

博文 来自: zouxiaolv
没有更多推荐了,返回首页