Windows+caffe+libsvm对图片数据集的分类
来源:互联网 发布:社交媒体 大数据 编辑:程序博客网 时间:2024/05/16 07:50
一、问题描述
任务是利用已有分类方法,如SVM和Ridge Regression对MIRFlickr-25000数据集进行分类实验。具体要求:
- 数据集:MIRFlickr-25000 http://press.liacs.nl/mirflickr/
- 数据特征:Caffe http://caffe.berkeleyvision.org/
- 分类方法:SVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) 和Ridge Regression (Matlab里应该有,如果没有,去Google里搜索)
- 评价标准:AUC (area under curve) 和average precision (AP) (注意是分类的AP,不是检索retrieval的AP)
- 实验环境:Matlab和windows
- 实验内容:
6.1 训练数据大小对实验结果的影响;
6.2 模型参数对实验结果的影响;
6.3 两个方法的比较结果;
6.4 每个具体类别的性能
二、安装
1.在Windows下安装caffe: http://blog.csdn.net/happynear/article/details/45372231可以参考以及文件下载(https://github.com/niuzhiheng/caffe)
2.libsvm的安装:http://www.matlabsky.com/thread-11925-1-1.html另外常见的错误解决办法(http://blog.csdn.net/kobesdu/article/details/8936499)
3.如果libsvm安装不成功,可以直接下载文件:http://pan.baidu.com/s/1o6pECxs 将该文件夹作为matlab的主目录,然后运行read_data.m文件,若出现
则表示libsvm已经成功安装三、测试
利用caffe生成的数据进行测试
已经将caffe所生成的数据文件以及matlab的libsvm代码放入文件夹中(http://pan.baidu.com/s/1bn4UnJD),如果是测试的话,直接将所有的文件全部下载然后将前面的libsvm函数加入matlab目录中,再运行SVM_predict.m文件即可.如果只是需要数据的话,就下载mat文件即可(mat文件只是前5000个测试文件的数据),y.mat是全部图片(25000个)label.- 顶
- 0
- 踩
0 0
- Windows+caffe+libsvm对图片数据集的分类
- Windows+caffe+libsvm对图片数据集的分类
- 虚拟机Ubuntu14.04+Caffe+libsvm对数据集进行分类
- caffe对自定义数据集进行分类
- mnist数据集在caffe(windows)上的训练与测试及对自己手写数字的分类
- caffe windows 训练自己的图片数据
- Caffe笔记之Windows下调用release下生成的classification.exe对单张图片进行分类错误
- caffe下用个多模型对图片批量分类
- caffe for windows 训练自己的数据集(DB)并且实现图像分类
- LibSVM数据分类预测
- Windows caffe(四) 训练自己的图片数据
- Caffe windows下入门级别的从编译到训练然后到分类(用python接口)测试自己的图片数据(四)
- 使用Caffe对图片进行训练并分类的简单流程
- Linux下使用Caffe对图片进行训练并分类的简单流程
- !!使用Caffe对图片进行训练并分类的简单流程
- 使用caffe中的imagenet对自己的图片进行分类训练
- 使用caffe中的imagenet对自己的图片进行分类训练(超级详细版)
- 使用caffe中的imagenet对自己的图片进行分类训练(超级详细版)
- 浅谈TCP/IP协议栈(八)UDP协议简述
- Android开发前夕:Android Studio的使用
- 用 KVM 搭建web集群实验笔记 - LVS和Keeplived负载均衡(DR模式)
- [模板]最大01子矩阵
- 利用redis实现的分布式锁
- Windows+caffe+libsvm对图片数据集的分类
- C++基础 内置类型和类类型的默认初始化和值初始化
- BroadCastReceiver
- Markdown 语法手册 (完整整理版)
- jmx配合jvisualvm远程监控Java程序
- Caffe做分类初步学习以及遇到的一些坑
- 输出二叉树叶子节点数目
- Service
- μC/OS-Ⅱ的中断和时钟(二)