caffe中使用crop_size剪裁训练图片

1. layer {
2. name: "data"
3. type: "Data"
4. top: "data"
5. top: "label"
6. include {
7. phase: TRAIN
8. }
9. transform_param {
10. mirror: true
11. crop_size: 600
12. mean_file: "examples/images/imagenet_mean.binaryproto"
13. }
14. data_param {
15. source: "examples/images/train_lmdb"
16. batch_size: 256
17. backend: LMDB
18. }
19. }
20. layer {
21. name: "data"
22. type: "Data"
23. top: "data"
24. top: "label"
25. include {
26. phase: TEST
27. }
28. transform_param {
29. mirror: false
30. crop_size: 600
31. mean_file: "examples/images/imagenet_mean.binaryproto"
32. }
33. data_param {
34. source: "examples/images/val_lmdb"
35. batch_size: 50
36. backend: LMDB
37. }
38. }

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）：

1. //We only do random crop when we do training.
2. if (phase_ == TRAIN) {
3. h_off = Rand(datum_height - crop_size + 1);
4. w_off = Rand(datum_width - crop_size + 1);
5. } else {
6. h_off = (datum_height - crop_size) / 2;
7. w_off = (datum_width - crop_size) / 2;
8. }
9. }

---

• 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进行分类中：进行分类这一步改为如下）：

 

1. #记录分类概率分布
2. pridects = np.zeros((1, CLASS_NUM))
3. # 图片维度（高、宽）
4. img_shape = np.array(img.shape)
5. # 裁剪的大小（高、宽）
6. crop_dims = (32, 96)
7. crop_dims = np.array(crop_dims)
8. # 这里使用的图片高度全部固定为32，长度可变，最小为96
9. # 裁剪起点为0，终点为w_range
10. w_range = img_shape[1] - crop_dims[1]
11. # 从左往右剪一遍，再从右往左剪一遍，步长为96/4=24
12. for k in range(0, w_range + 1, crop_dims[1] / 4) + range(w_range, 1, -crop_dims[1] / 4):
13. # 裁剪图片
14. crop_img = img[:, k:k + crop_dims[1], :]
15. # 数据输入、预处理
16. net.blobs['data'].data[...] = transformer.preprocess('data', crop_img)
17. # 前向迭代，即分类
18. out = net.forward()
19. # 每一次分类，概率分布叠加
20. pridects += out['prob']
21. # 取最大的概率分布为最终结果
22. 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