Caffe 用自己的数据集在ImageNet网络结构上训练测试

目的：使用自己的数据集，使用caffe自带的ImageNet网络结构，训练测试

参考官网链接：http://caffe.berkeleyvision.org/gathered/examples/imagenet.html

我自己准备的数据集：http://pan.baidu.com/s/1o60802I

我们的数据集图片分10个类，每个类有100个train图片（train文件夹下，一共1000），20个test图片（val文件夹下，一共200）

一、首先准备自己的数据集

我们需要准备的文件有：

1 文件夹train：里面放训练的图片

2 文件夹val：里面放val的图片

3 train.txt ：训练图片的文件名和对应的类别

4 val.txt：测试图片的文件名和对应的类别

我已经为大家准备好了，下载链接：http://pan.baidu.com/s/1o60802I

以后大家自己准备数据集，就按照上面的方式将 图片和txt文件，放入对应目录下

二、创建lmdb格式数据集

在caffe安装的根目录下执行下面的脚本可以创建lmdb文件，用于caffe的数据输入；

./examples/imagenet/create_imagenet.sh

对于这个脚本，我们打开，根据自己的路径做更改；

三、计算图像均值

输入数据需要训练图片的均值图像

./examples/imagenet/make_imagenet_mean.sh

计算完后得到一个文件：

data/ilsvrc12/imagenet_mean.binaryproto.

当然，跟上面一样，我们使用需要更改脚本对应的路径

四、配置网络结构文件

网络模型文件在

models/bvlc_reference_caffenet/train_val.prototxt

文件中；

这里我们直接使用caffe提供的这个网络结构，以后我们再根据自己的想法做更改；

注意：大家需要打开这个文件，更改里面的路径

五、训练参数文件

训练参数文件在：

models/bvlc_reference_caffenet/solver.prototxt中
对solver.prototxt

修改参数

六、开始训练

./build/tools/caffe train --solver=/home/a216/caffe-master/sloanqin/data/godpool/txt/solver.prototxt

当然，上面的命令，需要根据你自己的路径相应的改下

七、结果

训练过程中，可以看到正确率在不断提升；最后的准确率是50%；

我们的样本数很少，当图片到百万数量级的时候，效果会很大提升；

而且我提供的数据是淘宝的图片，本身的难度很大，就是人也很难分清楚