caffe中使用crop_size剪裁训练图片

梦里梦外; 2021-09-29 07:26 446阅读 0赞

**http://blog.csdn.net/u010417185/article/details/52651761**

**\[python\]**  [view plain][]   [copy][view plain]

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][Link 1]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**）：

**\[python\]**  [view plain][]   [copy][view plain]

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][pycaffe_caffemodel]中：`进行分类`这一步改为如下）：

**\[python\]**  [view plain][]   [copy][view plain]

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

转载于:https://www.cnblogs.com/JZ-Ser/p/7170642.html

[view plain]: http://blog.csdn.net/u010417185/article/details/52651761#
[Link 1]: http://lib.csdn.net/base/softwaretest
[.NET]: http://lib.csdn.net/base/dotnet
[pycaffe_caffemodel]: http://blog.csdn.net/u011762313/article/details/48342495