【caffe】caffe中使用crop_size剪裁训练图片
下面以一个简单的例子进行介绍。
-
layer {
-
name:
“data”
-
type:
“Data”
-
top:
“data”
-
top:
“label”
-
include {
-
phase: TRAIN
-
}
-
transform_param {
-
mirror: true
-
crop_size:
600
-
mean_file:
“examples/images/imagenet_mean.binaryproto”
-
}
-
data_param {
-
source:
“examples/images/train_lmdb”
-
batch_size:
256
-
backend: LMDB
-
}
-
}
-
layer {
-
name:
“data”
-
type:
“Data”
-
top:
“data”
-
top:
“label”
-
include {
-
phase: TEST
-
}
-
transform_param {
-
mirror: false
-
crop_size:
600
-
mean_file:
“examples/images/imagenet_mean.binaryproto”
-
}
-
data_param {
-
source:
“examples/images/val_lmdb”
-
batch_size:
50
-
backend: LMDB
-
}
-
}
从上面的 数据层的定义,看得出用了镜像和crop_size,还定义了 mean_file。
利用crop_size这种方式可以剪裁中心关注点和边角特征,mirror可以产生镜像,弥补小数据集的不足.
这里要重点讲一下crop_size在训练层与测试层的区别：
首先我们需要了解mean_file和crop_size没什么大关系。mean_file是根据训练集图片制作出来的，crop_size是对训练集图像进行裁剪，两个都是对原始的训练集图像进行处理。如果原始训练图像的尺寸大小为800*800，crop_size的图片为600*600，则mean_file与crop_size的图片均为800*800的图像集。
在caffe中，如果定义了crop_size，那么在train时会对大于crop_size的图片进行随机裁剪，而在test时只是截取中间部分（详见/caffe/src/caffe/data_transformer.cpp）：
-
//We only do random crop when we do training.
-
if (phase_ == TRAIN) {
-
h_off = Rand(datum_height - crop_size +
1);
-
w_off = Rand(datum_width - crop_size +
1);
-
}
else {
-
h_off = (datum_height - crop_size) /
2;
-
w_off = (datum_width - crop_size) /
2;
-
}
-
}
从上述的代码可以看出，如果我们输入的图片尺寸大于crop_size，那么图片会被裁剪。当 phase 模式为 TRAIN 时，裁剪是随机进行裁剪，而当为TEST 模式时，其裁剪方式则只是裁剪图像的中间区域。
下面是我在网上找到的自己进行图像裁剪的程序：
可对照给出的网址进行详细阅读：http://blog.csdn.net/u011762313/article/details/48343799
我们可以手动将图片裁剪并导入pycaffe中，这样能够提高识别率（pycaffe利用caffemodel进行分类中：进行分类这一步改为如下）：
-
#记录分类概率分布
-
pridects = np.zeros((
1, CLASS_NUM))
-
-
# 图片维度（高、宽）
-
img_shape = np.array(img.shape)
-
# 裁剪的大小（高、宽）
-
crop_dims = (
32,
96)
-
crop_dims = np.array(crop_dims)
-
# 这里使用的图片高度全部固定为32，长度可变，最小为96
-
# 裁剪起点为0，终点为w_range
-
w_range = img_shape[
1] - crop_dims[
1]
-
# 从左往右剪一遍，再从右往左剪一遍，步长为96/4=24
-
for k
in range(
0, w_range +
1, crop_dims[
1] /
4) + range(w_range,
1, -crop_dims[
1] /
4):
-
# 裁剪图片
-
crop_img = img[:, k:k + crop_dims[
1], :]
-
# 数据输入、预处理
-
net.blobs[
‘data’].data[…] = transformer.preprocess(
‘data’, crop_img)
-
# 前向迭代，即分类
-
out = net.forward()
-
# 每一次分类，概率分布叠加
-
pridects += out[
‘prob’]
-
-
# 取最大的概率分布为最终结果
-
pridect = pridects.argmax()
- caffe中提供了过采样的方法（oversample），详见/caffe/python/caffe/io.py，裁剪的是图片中央、4个角以及镜像共10张图片。
注：如果图片过大，
需要适当缩小batch_size的值，否则使用GPU时可能超出其缓存大小而报错