caffe python 图片训练识别 实例

本文主要是使用caffe python做图片识别的示例包括训练数据lmdb生成，训练，以及模型测试，主要内容如下：

---

1. 训练，验证数据lmdb生成，主要包括：样本的预处理 （直方图均衡化，resize），训练样本以及验证样本的lmdb的生成,以及mean_file mean.binaryproto生成

2. caffe中模型的定义，主要是修改 caffe Alexnet 训练文件train_val.prototxt ，以及训练参数文件solver.prototxt ，还有部署文件deploy.prototxt

3. 训练验证数据准备完成之后，就是模型的训练

4. 得到训练模型之后，一般会进行本地测试以及从数据库获取url测试然后将结果写到数据库中

---

先上个代码的框架图，说明见图片（下面会有详细的讲解）:

下面给出最终的识别结果：

---

注：本文做图像分类的时候大概是在2016年，第一个分类模型用的是Alexnet这个模型现在基本不怎么用了。一般用的是googlenet v2版本。

而且caffe的model zoo https://github.com/BVLC/caffe/wiki/Model-Zoo中有不少新的模型，比如Towards Principled Design of Deep Convolutional Networks: Introducing SimpNet 感兴趣的可以多多尝试下。

1. 训练，验证数据lmdb生成

1. 对图片进行预处理包括直方图均衡化（Histogram equalization）以及resize到指定的大小,并生成lmdb格式，图片以及对于的标签（label）

2. 按照一定的比例生成，训练样本lmdb以及验证样本lmdb，以及mean_file mean.binaryproto

3. 在测试的时候，我们往往是从数据库中读取url以及id信息，然后将url转化为cv2 可以处理的图片样式，因此我们还要实现将url转化cv2可以处理的图片

1.1 图片进行预处理包括直方图均衡化，url->cv2 image 格式

下面通过代码来讲解(文件: utils->img_process.py)：

# _*_coding:utf-8 _*_

import cv2
import urllib
import numpy as np

IMG_HEIGHT = 227
IMG_WIDTH = 227

# 对图片做直方图均衡化处理
def pre_process_img(img, img_height=IMG_HEIGHT, img_width=IMG_WIDTH):
    # firstly histogram equalization
    img[:, :, 0] = cv2.equalizeHist(img[:, :, 0])
    img[:, :, 1] = cv2.equalizeHist(img[:, :, 1])
    img[:, :, 2] = cv2.equalizeHist(img[:, :, 2])

    # resize image to size
    img = cv2.resize(img, (img_width, img_height), interpolation=cv2.INTER_CUBIC)

    return img

# 通过图片url将其转化为cv2可以处理的形式
def get_cv_img__from_url(url):
    """
    read image from url to cv codec
    :param url:
    :return:
    """
    try:
        url_response = urllib.urlopen(url)
        img_array = np.array(bytearray(url_response.read()), dtype=np.uint8)
        img = cv2.imdecode(img_array, -1)
        return img
    except Exception, e:
        print e
        return None


if __name__ == '__main__':
    url = 'http://www.sanyarb.com.cn/images/attachement/jpg/site2/20161009/A121475977636942_change_ljx6a9_b.jpg'
    img = get_cv_img__from_url(url)
    cv2.imshow("zhan lang", img)

    img = pre_process_img(img)
    cv2.imshow("pre_process_img", img)
    cv2.waitKey()
    pass

下面是下载网上的图片，然后对其进行直方图均衡化以及resize的运行的结果：

---

1.2 图片按照一定的比例生成训练样本以及验证样本lmdb]

# _*_coding:utf-8 _*_

import sys
sys.path.insert(0, '../../caffe_train_test/')
import os
import glob
import random
import numpy as np

import cv2

import caffe
from caffe.proto import caffe_pb2
import lmdb

from utils.img_process import *

# 根据图片和标签转化为对应的lmdb格式
def make_datum(img, l