【caffe】caffe中使用crop_size剪裁训练图片

心已赠人 2022-05-16 06:07 273阅读 0赞

下面以一个简单的例子进行介绍。

layer { 
          name: “data” 
          type: “Data” 
          top: “data” 
          top: “label” 
          include { 
          phase: TRAIN 
          } 
          transform_param { 
          mirror: true 
          crop_size: 600 
          mean_file: “examples/images/imagenet_mean.binaryproto” 
          } 
          data_param { 
          source: “examples/images/train_lmdb” 
          batch_size: 256 
          backend: LMDB 
          } 
          } 
          layer { 
          name: “data” 
          type: “Data” 
          top: “data” 
          top: “label” 
          include { 
          phase: TEST 
          } 
          transform_param { 
          mirror: false 
          crop_size: 600 
          mean_file: “examples/images/imagenet_mean.binaryproto” 
          } 
          data_param { 
          source: “examples/images/val_lmdb” 
          batch_size: 50 
          backend: LMDB 
          } 
          }

从上面的 数据层的定义,看得出用了镜像和crop\_size,还定义了 mean\_file。

利用crop\_size这种方式可以剪裁中心关注点和边角特征,mirror可以产生镜像,弥补小数据集的不足.

**这里要重点讲一下crop\_size在训练层与测试层的区别：**

首先我们需要了解mean\_file和crop\_size没什么大关系。mean\_file是根据训练集图片制作出来的，crop\_size是对训练集图像进行裁剪，两个都是对原始的训练集图像进行处理。如果原始训练图像的尺寸大小为800\*800，crop\_size的图片为600\*600，则mean\_file与crop\_size的图片均为800\*800的图像集。

在caffe中，如果定义了crop\_size，那么在train时会对大于crop\_size的图片进行随机裁剪，而在test时只是截取中间部分（详见**/caffe/src/caffe/data\_transformer.cpp**）：

//We only do random crop when we do training. 
             if (phase_ == TRAIN) { 
               h_off = Rand(datum_height - crop_size + 1); 
               w_off = Rand(datum_width - crop_size + 1); 
             } else { 
               h_off = (datum_height - crop_size) / 2; 
               w_off = (datum_width - crop_size) / 2; 
             } 
           }

--------------------

从上述的代码可以看出，如果我们输入的图片尺寸大于crop\_size，那么图片会被裁剪。当 phase 模式为 TRAIN 时，裁剪是随机进行裁剪，而当为TEST 模式时，其裁剪方式则只是裁剪图像的中间区域。

下面是我在网上找到的自己进行图像裁剪的程序：

可对照给出的网址进行详细阅读：http://blog.csdn.net/u011762313/article/details/48343799

我们可以手动将图片裁剪并导入pycaffe中，这样能够提高识别率（[pycaffe利用caffemodel进行分类][pycaffe_caffemodel]中：`进行分类`这一步改为如下）：

#记录分类概率分布 
          pridects = np.zeros(( 1, CLASS_NUM)) 
          
          # 图片维度（高、宽） 
          img_shape = np.array(img.shape) 
          # 裁剪的大小（高、宽） 
          crop_dims = ( 32, 96) 
          crop_dims = np.array(crop_dims) 
          # 这里使用的图片高度全部固定为32，长度可变，最小为96 
          # 裁剪起点为0，终点为w_range 
          w_range = img_shape[ 1] - crop_dims[ 1] 
          # 从左往右剪一遍，再从右往左剪一遍，步长为96/4=24 
          for k in range( 0, w_range + 1, crop_dims[ 1] / 4) + range(w_range, 1, -crop_dims[ 1] / 4): 
          # 裁剪图片 
          crop_img = img[:, k:k + crop_dims[ 1], :] 
          # 数据输入、预处理 
          net.blobs[ ‘data’].data[…] = transformer.preprocess( ‘data’, crop_img) 
          # 前向迭代，即分类 
          out = net.forward() 
          # 每一次分类，概率分布叠加 
          pridects += out[ ‘prob’] 
          
          # 取最大的概率分布为最终结果 
          pridect = pridects.argmax()

--------------------

*  caffe中提供了过采样的方法（**oversample**），详见**/caffe/python/caffe/io.py**，裁剪的是图片中央、4个角以及镜像共10张图片。

注：如果图片过大， 需要适当缩小batch\_size的值，否则使用GPU时可能超出其缓存大小而报错

[pycaffe_caffemodel]: http://blog.csdn.net/u011762313/article/details/48342495