Classifying ImageNet: the instant Caffe way

本文主要参考http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/classification.ipynb，主要介绍如何通过已经学习到的模型来进行分类，分类是在ImageNet数据集上进行的，如何训练模型可参考博文 Caffe初识，揭开面纱 (三、caffe中比较有用且基础的接口)。

 

1、我们需要通过预先训练的模型及网络结果来加载分类器，因此先设置相关文件路径 

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

# Make sure that caffe is on the python path:
caffe_root = '/home/ring/Documents/caffe-master/'  # 最好写绝对路径
import sys
sys.path.insert(0, caffe_root + 'python')

import caffe

# Set the right path to your model definition file, pretrained model weights,
# and the image you would like to classify.
MODEL_FILE = caffe_root +  'models/bvlc_reference_caffenet/deploy.prototxt'
PRETRAINED = caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
IMAGE_FILE = caffe_root + 'examples/images/cat.jpg'  # 加载自己的图片

2、加载分类器

net = caffe.Classifier(.....) 获取分类器

net.set_phase_test() 设置为测试阶段，训练阶段与测试阶段模型稍有不同，比如训练阶段最后一层是LOSS，而测试阶段最后一层是Accuracy

net.set_mode_cpu()  仅使用cpu ， 通过net.set_mode_gpu()设置gpu模式

注：教程中使用caffe.set_phase_test() , caffe.set_mode_cpu()，这样会报错，作者在后面的教程中有更正，使用如下方法

net = caffe.Classifier(MODEL_FILE, PRETRAINED,
                       mean=np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy'),
                       channel_swap=(2,1,0),
                       raw_scale=255,
                       image_dims=(256, 256))
net.set_phase_test()   
net.set_mode_cpu()

3、加载测试图片并显示

input_image = caffe.io.load_image(IMAGE_FILE)
plt.imshow(input_image)

4、预测，显示每一类的score

prediction = net.predict([input_image])  # predict takes any number of images, and formats them for the Caffe net automatically
print 'prediction shape:', prediction[0].shape
plt.plot(prediction[0])
print 'predicted class:', prediction[0].argmax()

prediction shape: (1000)
predicted class: 281

结果为1000维，因为imageNet有1000类