Caffe - MNIST - 如何在单个图像上使用网络？

Question

我正在使用 Caffe (http://caffe.berkeleyvision.org/) 进行图像分类。我在 Windows 上使用它，一切似乎都编译得很好。

为了开始学习，我遵循了 MNIST 教程 (http://caffe.berkeleyvision.org/gathered/examples/mnist.html)。我下载了数据并运行了 ..\caffe.exe train --solver=...examples\mnist\lenet_solver.prototxt。它运行了 10.000 次迭代，打印出准确度为 98.5，并生成了两个文件：lenet_iter_10000.solverstate 和 lenet_iter_10000.caffemodel。

所以，虽然尝试对自己的图像进行分类会很有趣，但应该很容易吧？

我可以找到以下资源：https://software.intel.com/en-us/articles/training-and-deploying-deep-learning-networks-with-caffe-optimized-for-intel-architecture#Examples 告诉我如何准备、训练和计时我的模型。但是每次教程/文章实际上将单个实例放入 CNN 时，他们都会跳到下一点并告诉下载一些新模型。一些资源告诉使用分类器.bin/.exe，但这个文件需要一个 imagenet_mean.binaryproto 或类似的 mnist。我不知道在哪里可以找到或生成此文件。

简而言之：当我使用 Caffe 训练 CNN 时，如何输入单个图像并使用我已有的文件获取输出？

更新：根据帮助，我让网络识别图像，但即使网络的准确率为 99.0%，识别也不正确。我使用以下 python 代码来识别图像：

NET_FILE = 'deploy.prototxt'
MODEL_FILE = 'lenet_iter_10000.caffemodel'
net = caffe.Net(NET_FILE, MODEL_FILE, caffe.TEST)

im = Image.open("img4.jpg")
in_ = np.array(im, dtype=np.float32)
net.blobs['data'].data[...] = in_
out = net.forward() # Run the network for the given input image
print out;

我不确定我是否为 MNIST 示例正确格式化了图像。图片是28x28灰度图片，基础4。我需要对图片做更多的变换吗？

网络（部署）如下所示（开始和结束）：

input: "data"
input_shape {
  dim: 1 # batchsize
  dim: 1 # number of colour channels - rgb
  dim: 28 # width
  dim: 28 # height
}

....

layer {
  name: "loss"
  type: "Softmax"
  bottom: "ip2"
  top: "loss"
}

Answer 1

如果我正确理解了这个问题，那么您有一个经过训练的模型，并且您想使用您自己的输入图像来测试该模型。有很多方法可以做到这一点。

我常用的一种方法是运行类似于我所拥有的here 的python 脚本。

请记住，您必须使用 make pycaffe 在 caffe 中构建 python，并通过编辑 sys.path.append('../../../python') 行指向文件夹

还将以下行编辑为您的模型文件名。

NET_FILE = 'deploy.prototxt'
MODEL_FILE = 'fcn8s-heavy-pascal.caffemodel'

编辑以下行。您应该使用网络的最后一层来获取输出，而不是 score。

out = net.blobs['score'].data

Answer 2

您需要从原始 network.prototxt 文件创建一个 deploy.prototxt 文件。数据层必须如下所示：

input: "data"
input_shape {
  dim: 1
  dim: [channles]
  dim: [width]
  dim: [height]
}

将 [channels]、[width] 和 [height] 替换为图像的正确值。

您还需要删除任何将“标签”作为其底部输入的层（这通常只是您的损失层）。

然后，您可以使用此 deploy.prototxt 文件来使用 MATLAB 或 PYTHON 测试您的输入。