使用自己训练的KITTI数据集，用Python做detectnet侦测

首先训练过程就不再多说了，训练完之后会得到最重要的两个文件，

一个是网络结构文件 deploy.prototxt ，一个是训练完的权重文件，我使用的是NVcaffe+digits训练工具训练，

经过多次的训练，目前准确度达到84%，如下图

可以看出叠代3是准确度最高的，因此我们下载这次的叠代结果

下载完之后就可以得到权重文件与结构文件

再来撰写代码

# -*- coding:utf-8 -*-
# 用于模型的单张图像分类操作
import os
os.environ['GLOG_minloglevel'] = '2' # 将caffe的输出log信息不显示，必须放到import caffe前
import caffe # caffe 模块
from caffe.proto import caffe_pb2
from google.protobuf import text_format
import numpy as np
import cv2
import matplotlib.pyplot as plt
import time

# 分类单张图像img
def detection(img, net, transformer):
    im = caffe.io.load_image(img)
    net.blobs['data'].data[...] = transformer.preprocess('data', im)

    start = time.clock()
    # 执行测试
    net.forward()
    end = time.clock()
    print('detection time: %f s' % (end - start))

    # 查看目标检测结果
    #print(net.blobs['bbox-list'].data)
	
    loc = net.blobs['bbox-list'].data[0]
    #查看了结构文件发现在CAFFE一开始图像输入的时候就已经将图片缩小了，宽度1248高度384
    #然后我们在net.blobs['bbox-list'].data得到的是侦测到的目标座标，但是是相对于1248*384的
    #所以我们要把座标转换回相对原大小的位置，下面im.shape是保存在原尺寸的宽高，
    for l in range(len(loc)):
		xmin = int(loc[l][0] * im.shape[1] / 1248)
		ymin = int(loc[l][1] * im.shape[0] / 384)
		xmax = int(loc[l][2] * im.shape[1] /1248)
		ymax = int(loc[l][3] * im.shape[0] / 384)
		#在该座标位置画一个方框
		cv2.rectangle(im, (xmin, ymin), (xmax, ymax), (55 / 255.0, 255 / 255.0, 155 / 255.0), 2)
    # 显示结果
    
    plt.imshow(im, 'brg')
    plt.show()
	


#CPU或GPU模型转换
#caffe.set_mode_cpu()
#caffe.set_device(0)
caffe.set_mode_gpu()

caffe_root = '/var/smb/work/mycode/'
# 网络参数（权重）文件
caffemodel = caffe_root + 'module/detectnet/snapshot_iter_2391.caffemodel'
# 网络实施结构配置文件
deploy = caffe_root + 'module/detectnet/deploy.prototxt'


img_root = caffe_root + 'data/'

# 网络实施分类
net = caffe.Net(deploy,  # 定义模型结构
                caffemodel,  # 包含了模型的训练权值
                caffe.TEST)  # 使用测试模式(不执行dropout)

# 加载ImageNet图像均值 (随着Caffe一起发布的)
print(os.environ['PYTHONPATH'])
mu = np.load(os.environ['PYTHONPATH'] + '/caffe/imagenet/ilsvrc_2012_mean.npy')
mu = mu.mean(1).mean(1)  # 对所有像素值取平均以此获取BGR的均值像素值

# 图像预处理
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
transformer.set_mean('data', mu)
transformer.set_raw_scale('data', 255)
transformer.set_channel_swap('data', (2,1,0))

# 处理图像
#while 1:

img = caffe_root + 'data/peds-001.jpg'
detection(img,net,transformer)

建议看上面这份代码的时候连同结构一起看，代码中loc = net.blobs['bbox-list'].data[0]

其中的bbox-list 是在结构文件最后面的一个数据保存检测到目标的座标

input: "data"
input_shape {
  dim: 1
  dim: 3
  dim: 384       //这个就是图片预处理时就先将高度缩放到384
  dim: 1248      //这个就是图片预处理时就先将宽度缩放到1248

}

layer {
  name: "deploy_transform"
  type: "Power"
  bottom: "data"
  top: "transformed_data"
  power_param {
    shift: -127.0
  }
}

.............为了减少篇幅此处省略一大部分代码....................

layer {
  name: "bbox/regressor"
  type: "Convolution"
  bottom: "pool5/drop_s1"
  top: "bboxes"
  param {
    lr_mult: 1.0
    decay_mult: 1.0
  }
  param {
    lr_mult: 2.0
    decay_mult: 0.0
  }
  convolution_param {
    num_output: 4
    kernel_size: 1
    weight_filler {
      type: "xavier"
      std: 0.03
    }
    bias_filler {
      type: "constant"
      value: 0.0
    }
  }
}
layer {
  name: "cluster"
  type: "Python"
  bottom: "coverage"
  bottom: "bboxes"
  top: "bbox-list"          //这里是最后输出的数据，实际上就是目标的座标
  python_param {
    module: "caffe.layers.detectnet.clustering"
    layer: "ClusterDetections"
    param_str: "1248, 352, 16, 0.6, 3, 0.02, 22, 1"
  }
}

最后展示一下图片

可以看出确实将车子的部份框出来了