用 C++ 接口和训练好的 caffemodel 对图像分类

需要以下文件

• 训练好的 model 文件。文件已存在，假设所在路径为 ~/caffe/model/iter120.caffemodel
• 训练 model 时用到的均值文件。文件已存在，假设所在路径为 ~/caffe/examples/myfile/mean.binaryproto
• 新编写一份清单文件 words.txt
• 一个由 train_val.prototxt 修改而来的 deploy.prototxt 模型文件
• 待分类图像，假设路径为 ~/caffe/image/unknow.jpg

编写清单文件

在 ~/caffe/examples/myflie 下新建 words.txt。文档第一行为训练模型标号 0 号的分类名，第二行为模型标号 1 号的分类名，等等。

例如，训练模型贴标签时，将大象标记为 3 号，将马标记为 4 号，将花标记为 5 号，将 车标记为 6 号，将恐龙标记为 7 号，那么在编写清单文件 words.txt 时，第一行填 0，第二行填 1，第三行填 2，第四行填大象，第五行填马，第六行花，第七行车，第八行恐龙，第九行填8，...。最后总行数为模型文件 train_val.prototxt 中 fc8 层 num_output 数。

train_val.prototxt的fc8层num_output: 15

分15类(其实是分5类，其他用数字凑数)

修改模型文件

若训练模型时用的 caffe 自带模型 ~/caffe/models/bvlc_reference_caffenet 下的 solver.prototxt 和 train_val.prototxt ，那么直接使用该文件夹下的 deploy.prototxt 即可。

注意，deploy.prototxt 中 fc8 层的num_output值应与 train_val.prototxt 的相同，其为所分类数。

deploy的fc8层num_output也为15

进行分类

在～/caffe目录输入以下命令：

./build/examples/cpp_classification/classification.bin \
examples/myfile/deploy.prototxt \
models/re/_iter_120.caffemodel \
examples/myfile/mean.binaryproto \
examples/myfile/words.txt \
examples/images/unknow.jpg

五个参数：

第一个参数：deploy 配置文件
第二个参数：caffemodel 文件
第三个参数：均值文件
第四个参数：标签清单文件
第五个参数：待分类的图片

分类结果如下。

分类结果

unknow.jpg

参考资料

http://www.cnblogs.com/denny402/p/5111018.html
http://www.datakit.cn/blog/2015/08/03/caffe_introduction.html