caffe学习(3):SVHN on caffe

这几天因为做实验和学习Tornado的缘故，一直没时间把上次没完成的工作做完，今天补上。今天提供The Street View House Numbers即SVHN数据集在caffe上训练的过程。

一.数据准备

SVHN是一个真实世界的街道门牌号数字识别数据集.The Street View House Numbers (SVHN) Dataset，我们可以从这里下载数据，为方便转换，我们下载train_32x32.mat和test_32x32.mat，.mat文件中包含两个变量,X是一个4D的矩阵，维度是(32,32,3,n),n是数据个数,y是label变量,接下来我们先使用一段script看一下前十张图:

import scipy.io as sioimport matplotlib.pyplot as pltprint 'Loading Matlab data.'mat=sio.loadmat('train_32x32.mat')data=mat['X']label=mat['y']for i in range(10):    plt.subplot(2,5,i+1)    plt.title(label[i][0])    plt.imshow(data[...,i])    plt.axis('off')plt.show()

可以看出,.mat文件中的数字是已经被crop出来的单个数字，接下来使用另一个script将其转换为lmdb数据:

import numpy as npimport caffeimport lmdbimport scipy.io as sioimport randomfrom caffe.proto import caffe_pb2def main():    train=sio.loadmat('train_32x32.mat')    test=sio.loadmat('test_32x32.mat')    train_data=train['X']    train_label=train['y']    test_data=test['X']    test_label=test['y']    train_data = np.swapaxes(train_data, 0, 3)    train_data = np.swapaxes(train_data, 1, 2)    train_data = np.swapaxes(train_data, 2, 3)    test_data = np.swapaxes(test_data, 0, 3)    test_data = np.swapaxes(test_data, 1, 2)    test_data = np.swapaxes(test_data, 2, 3)    N=train_label.shape[0]    map_size=train_data.nbytes*10    env=lmdb.open('svhn_train_lmdb',map_size=map_size)    txn=env.begin(write=True)#shuffle the training data    r=list(range(N))    random.shuffle(r)    count=0    for i in r:datum=caffe_pb2.Datum()        label=int(train_label[i][0])if label==10:            label=0        datum=caffe.io.array_to_datum(train_data[i],label)        str_id='{:08}'.format(count)        txn.put(str_id,datum.SerializeToString())        count += 1        if count % 1000 == 0:print('already handled with {} pictures'.format(count))            txn.commit()            txn = env.begin(write=True)    txn.commit()    env.close()    map_size = test_data.nbytes * 10    env = lmdb.open('svhn_test_lmdb', map_size=map_size)    txn = env.begin(write=True)    count = 0    for i in range(test_label.shape[0]):datum = caffe_pb2.Datum()        label = int(test_label[i][0])if label == 10:            label = 0        datum = caffe.io.array_to_datum(test_data[i], label)        str_id = '{:08}'.format(count)        txn.put(str_id, datum.SerializeToString())        count += 1        if count % 1000 == 0:print('already handled with {} pictures'.format(count))            txn.commit()            txn = env.begin(write=True)    txn.commit()    env.close()if __name__=='__main__':    main()

这样就可以得到svhn_train_lmdb和svhn_test_lmdb了

二.Data Pre-processing

SVHN比较简单，我们不做任何data augmentation操作，只通过上篇文章的script计算出其图像均值:

import caffeimport lmdbimport numpy as npfrom caffe.proto import caffe_pb2import timelmdb_env=lmdb.open('svhn_train_lmdb')lmdb_txn=lmdb_env.begin()lmdb_cursor=lmdb_txn.cursor()datum=caffe_pb2.Datum()N=0mean = np.zeros((1, 3, 32, 32))beginTime = time.time()for key,value in lmdb_cursor:    datum.ParseFromString(value)    data=caffe.io.datum_to_array(datum)    image=data.transpose(1,2,0)    mean[0,0] += image[:, :, 0]    mean[0,1] += image[:, :, 1]    mean[0,2] += image[:, :, 2]    N+=1    if N % 1000 == 0:        elapsed = time.time() - beginTimeprint("Processed {} images in {:.2f} seconds. "              "{:.2f} images/second.".format(N, elapsed,                                             N / elapsed))mean[0]/=Nblob = caffe.io.array_to_blobproto(mean)with open('mean.binaryproto', 'wb') as f:    f.write(blob.SerializeToString())lmdb_env.close()

三.实验

这里我们采用caffe自带的cifar_full模型进行训练:

caffe train -solver=solver.prototxt -gpu 0

最后得到的model的准确率为94.03%,效果还是很好的

四.总结

经过这两篇文章,可以看出,对于一般的数据集,如果要在caffe中训练的话,一般有以下几步:

1.data->lmdb:将数据转换为lmdb数据，其实caffe也支持很多其他格式的输入,如IMAGEDATA，HDF5DATA,但经过实验，这些数据消耗的大量io操作会大大加剧训练的时间

2.data augmentation：常见的几种数据加强方式均在上文cifar100中有所阐释

3.data pre-processing:对于图像数据来说，最常见的数据预处理就是减去图像的均值

4.model designing:最后一步自然是设计模型，进行训练了

到这里对caffe训练过程已经是非常熟悉了，下一步让我们深入一点，看一下caffe的源码结构和实现细节，敬请期待！

PS:文中的Script和训练配置文件均在github上:https://github.com/fish145/uncommon-datasets-caffe