Caffe学习系列（2）：计算图片数据的均值

引言

图片减去均值后，再进行训练和测试，会提高速度和精度。因此，一般在各种模型中都会有这个操作。均值的计算实际上就是计算所有训练样本的平均值，计算出来后，保存为一个均值文件。在以后的测试中，就可以直接使用这个均值来相减，而不需要对测试图片重新计算。

一、二进制格式的均值计算

caffe 中使用的均值数据格式是 binaryproto，作者为我们提供了一个计算均值的文件 compute_image_mean.cpp，放在 caffe 根目录下的 tools 文件夹里面。编译后的可执行文件放在 build/tools 中，我们直接调用就可以

sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto

# 带两个参数：
# 第一个参数： examples/mnist/mnist_train_lmdb，表示需要计算均值的数据，格式为 lmdb 的训练数据
# 第二个参数： examples/mnist/mean.binaryproto，表示计算出来的结果保存文件

二、 python格式的均值计算

如果我们要使用 python 接口，或者我们要进行特征可视化，可能就要用到 python 格式的均值文件了。首先，我们用 lmdb 格式的数据，计算出二进制格式的均值，然后，在转换成 python 格式的均值。

我们可以编写一个 python 脚本来实现：

#！ /usr/bin/env python

import numpy as np
import sys
import caffe

if len(sys.argv)!=3:
    print "Usage: python convert_mean.py mean.binaryproto mean.npy"
    sys.exit()

blob = caffe.proto.caffe_pb2.BlobProto()
bin_mean = open( sys.argv[1] , 'rb' ).read()
blob.ParseFromString(bin_mean)
arr = np.array( caffe.io.blobproto_to_array(blob) )
npy_mean = arr[0]
np.save( sys.argv[2] , npy_mean )

将这个脚本保存为 convert_mean.py。 调用格式为：

sudo python convert_mean.py mean.binaryproto mean.npy

# 其中 mean_binaryproto 就是前面步骤计算出来的二进制均值
# mean.npy 就是我们需要的 python 格式的均值