Caffe Windows系列(4): 中文识别初探(续)

0. 预备

在上一篇文章中，我们测试了100个中文字符使用Lenet5模型的正确率，其正确率达到了100%。（不达到100%就有问题了，我的训练集和测试集是极其近似的，仅仅是为了自己练手，而并未达到实际用途。）接下来要做的事情是，用C++ API读取一个图像，并对其进行识别。在《Caffe Windows系列(2): 使用C++ API进行分类》一文中，谈到了如果要能够进行识别，需要准备五个文件。

deploy.prototxt：这个文件目前还没有。
network.caffemodel：这个文件已经有了，即lenet_iter_10000.caffemodel。
mean.binaryproto：这个文件还没有。
labels.txt：这个文件就是一个分类文件。
img.jpg：要测试的图像

我的labels.txt文件类似于如下的列表

丁
万
严
于
任
何
余
侯
傅
冯
刘
卢
史
叶
向
吕
吴

...
马
高
魏
黄
黎
龙
龚

1. deploy.prototxt

在mnist的例子中，lenet.prototxt就相当于deploy.txt。它与真正用于训练的lenet_train_test.prototxt有一些差别，但好在差别也不大。

差别1：输入层。lenet_train_test.prototxt的输入是lmdb文件。而deploy.txt中是没有使用lmdb文件的。因此，lenet.prototxt将输入层简化为：

layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 64 dim: 1 dim: 28 dim: 28 } }
}

不过我认为，使用中，shape的第一个dim应当写为1才对。因为64是batch_size。而我们测试的时候，是一个一个测试的，因此，可以设置为1。

差别2：作为TEST阶段的accuracy层可以不再需要了。
差别3：loss层变为prob层。因为不需要进行损失函数的计算了。
loss层：

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
}

prob层：

layer {
  name: "prob"
  type: "Softmax"
  bottom: "ip2"
  top: "prob"
}

依样画葫芦，我们就可以写出自己的deploy.prototxt文件来。

name: "LeNet"
layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 1 dim: 1 dim: 40 dim: 40 } }
}
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 20
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layer {
  name: "conv2"
  type: "Convolution"
  bottom: "pool1"
  top: "conv2"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 50
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "pool2"
  type: "Pooling"
  bottom: "conv2"
  top: "pool2"
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layer {
  name: "ip1"
  type: "InnerProduct"
  bottom: "pool2"
  top: "ip1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 1000
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "relu1"
  type: "ReLU"
  bottom: "ip1"
  top: "ip1"
}
layer {
  name: "ip2"
  type: "InnerProduct"
  bottom: "ip1"
  top: "ip2"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 100
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "prob"
  type: "Softmax"
  bottom: "ip2"
  top: "prob"
}

2. 绕开均值文件

由于Lenet-5的训练并未使用到均值文件，因此，可以生成一个全零的均值文件来代替。如果使用python接口，生成全零的均值文件比较方便，网上有很多文章。但如果使用C++接口，它使用的均值文件是binaryproto后缀的，不是直接可视化的那种，因此，生成全零的均值文件并不是那么容易的事。相比之下，可能在cpp_classification代码的基础上进行修改，从而绕过这个均值文件会更容易一些。

之前对于mean_file的处理，主要是SetMean这个函数：

/* 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 */
  Blob 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 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);
}

现在，我将SetMean函数改为：

void Classifier::SetMean(const string& mean_file) {
    mean_ = cv::Mat::zeros(input_geometry_, CV_32F);
}

这样的话，不管输入的mean_file是啥，我都会让mean_成为一个全零矩阵。

3. 正式测试

将examples\classification设为启动项，配置调试参数：

配置调试参数

命令参数为：

deploy.prototxt lenet_iter_10000.caffemodel mean.binaryproto labels.txt test.bmp

test.bmp为：

测试图像

运行后的结果为：

---------- Prediction for test.bmp ----------
1.0000 - "潘"
0.0000 - "万"
0.0000 - "于"
0.0000 - "任"
0.0000 - "丁"

也就是说，这个图，100%像“潘”字，而0%像后面的“万”、“于”、“任”、“丁”。这个结果是一个非常不错的鼓励。有理由相信，CNN完全可以胜任印刷体汉字的识别。接下来，我会去尝试身份证信息的识别~

Caffe Windows系列(4): 中文识别初探(续)

0. 预备

1. deploy.prototxt

2. 绕开均值文件

3. 正式测试

你可能感兴趣的:(Caffe Windows系列(4): 中文识别初探(续))