caffe windows 训练自己的图片数据

caffe训练自己的数据分为四步：

1、图片数据集准备

2、网络训练所需数据格式 lmdb / leveldb 转换

3、图像均值文件计算

4、网络训练

具体过程如下：

  一、图片数据集准备

         图片数据收集一般是十分耗时的，为简便说明，此处使用两类数据进行训练过程介绍。一类是background，一类是object。对于样本图片需要说一点，就是一定要归一到同一尺寸，一般是网络输入尺寸。

二、网络训练所需数据格式lmdb / leveldb转换

        数据格式转换需要以下几个条件：1、由caffe windows编译出的convert_imageset.exe；2、样本图片数据集准备；3、样本图片对应的标签文件；4、确定所要转换的数据格式是leveldb还是lmdb

      caffe windows编译convert_imageset.exe方法此处不做赘述，配置caffe windows时即已完成。<<<PS：需要注意的是在编译convert_imageset.exe时，要将参数shuffle设定为true！！！>>>

      样本图片数据集准备需要注意：可以将所有类别样本图片直接放置于同一文件夹下，也可以按类别放置在不同的子文件夹下，为避免麻烦，建议新建文件夹，命名为train，若样本数据数量较少，则可直接将所有样本图片放置于train文件夹内，若样本数据集数量较多，则可按类型在train文件夹内新建子文件夹，按样本类型分别放置于子文件夹内<<<PS：在图片数据集较大时，设置子文件夹存储不同类型图片会在数据转换阶段节省大量时间，所以在此建议应优先考虑将不同类型样本集分子文件夹存储>>>。

     样本图片对应的标签文件一般为train.txt，若所有类别样本图片均在同一文件夹train内，则train.txt内数据保存格式为：文件名+空格+标签（background0.jpg 0），如下：

    

    若样本数据按类别放置于不同子文件下，则在train.txt内数据格式中，文件名应包含文件的相对路径，一般为：子文件夹名/文件名+空格+标签（background/background0.jpg 0）。如文章：http://blog.youkuaiyun.com/u012878523/article/details/41698209中介绍train.txt数据格式为：

转换数据格式的方法为：convert_imageset.exe  RootFolder/  ListFile DB_Folder [FLAGS]

RootFolder为数据集所在根目录，ListFile即为上述train.txt，DB_Folder为生成数据文件路径

如上图，此步结束后，会在数据集根目录下生成mt文件夹，内包含data.mdb以及lock.mdb两个文件，即为转换所得lmdb格式数据文件。

三、图像均值文件计算

        图像均值文件计算需要以下内容：1、由caffe windows编译出的compute_image_mean.exe；2、上一步得到的lmdb格式数据文件

        方法为：compute_image_mean.exe  DB_Data  binaryprotoFile。DB_Data即为上一步所得数据文件，binaryprotoFile即为即将得到的均值文件<<<PS：图像均值文件的尺寸需与lmdb数据中的尺寸一致>>>

       

此步完成后，会在图像数据集根目录生成myself_mean.binaryproto文件，这就是caffe所需要的图像均值文件

四、训练网络

       我用了caffeNet，所以需要把caffeNet里相关的三个文件拷贝过来，即：deploy.prototxt、solver.prototxt以及train_val.prototxt

      修改train_val.prototxt文件中的训练数据源路径source至自己的数据源、均值文件mean_file为自己的均值文件以及测试数据源路径source与均值文件mean_file，另需将网络最后一层输出个数改为2，因为此处训练两类数据。

     修改solver.prototxt文件中的net 值，保证根据其路径能找到train_val.prototxt文件，同理修改snapshot_prefix值。其他参数按需调整。

     训练网络：.\bin\caffe.exe train --solver=../train_val.prototxt

   

最终得到caffemodel文件