caffe学习笔记——用训练好的caffemodel进行图像分类

caffe程序自带有一张小猫图片，存放路径为caffe根目录下的 examples/images/cat.jpg, 现在我们想用一个训练好的caffemodel来对这张图片进行分类。开发caffe的团队，利用imagenet图片和caffenet模型训练好了一个caffemodel,  供大家下载。要进行图片的分类，这个caffemodel是最好不过的了。不管是用c++来进行分类，还是用python接口来分类，我们都应该准备这样三个文件：

1、caffemodel文件

可以直接在浏览器里输入地址下载，也可以运行脚本文件下载。由于在Windows环境下跑，这里直接在浏览器里输入地址下载，下载地址为：http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel

文件名称为：bvlc_reference_caffenet.caffemodel，文件大小为230M左右，为了代码的统一，将这个caffemodel文件下载到caffe根目录下的 models/bvlc_reference_caffenet/ 文件夹下面。若在Ubuntu环境下，也可以运行脚本文件进行下载：

# sudo ./scripts/download_model_binary.py models/bvlc_reference_caffenet

有了caffemodel文件，就需要对应的均值文件，在测试阶段，需要把测试数据减去均值。这个文件我没有找到下载的地方，因此在测试时并未减去均值。若在Ubuntu环境下用脚本来下载，在caffe根目录下执行：

# sudo sh ./data/ilsvrc12/get_ilsvrc_aux.sh

3、synset_words.txt文件

该文件里面放的是1000个类的名称，放在 data/ilsvrc12/ 文件夹里。

此处，我们用PYTHON接口来实现分类，参考的是denny所写的代码。编写一个py文件，命名为classify_cat.py

#coding=utf-8
#加载必要的库
import numpy as np

import sys,os

#设置当前目录
caffe_root = 'D:/caffe/caffe-master/caffe-master/'
os.chdir(caffe_root)
#sys.path.insert(0, caffe_root + 'python')
#sys.path.append('D:/caffe/caffe-master/caffe-master/python')
sys.path.append('D:/caffe/caffe-master/caffe-master/python/caffe')
import caffe

net_file=caffe_root + 'models/bvlc_reference_caffenet/deploy.prototxt'
caffe_model=caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
mean_file=caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy'

net = caffe.Net(net_file,caffe_model,caffe.TEST)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
transformer.set_raw_scale('data', 255)
transformer.set_channel_swap('data', (2,1,0))

im=caffe.io.load_image(caffe_root+'examples/images/cat.jpg')
net.blobs['data'].data[...] = transformer.preprocess('data',im)
out = net.forward()

imagenet_labels_filename = caffe_root + 'data/ilsvrc12/synset_words.txt'
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')

top_k = net.blobs['prob'].data[0].flatten().argsort()[-1:-6:-1]
for i in np.arange(top_k.size):
print (top_k[i], labels[top_k[i]])

（1）先把路径转换到py文件所在位置再执行：

（2）直接执行

执行结束后，得到如下结果：

caffe有一个自带的classify.py文件，这里没有跑，就不多做说明。有兴趣的可以看denny的博客。