caffe中使用crop_size剪裁训练图片

本文主要是介绍caffe中使用crop_size剪裁训练图片，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

下面以一个简单的例子进行介绍。

layer {name: "data"type: "Data"top: "data"top: "label"include {phase: TRAIN}transform_param {mirror: truecrop_size: 600mean_file: "examples/images/imagenet_mean.binaryproto"}data_param {source: "examples/images/train_lmdb"batch_size: 256backend: LMDB}
}
layer {name: "data"type: "Data"top: "data"top: "label"include {phase: TEST}transform_param {mirror: falsecrop_size: 600mean_file: "examples/images/imagenet_mean.binaryproto"}data_param {source: "examples/images/val_lmdb"batch_size: 50backend: LMDB}
}

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）：

//We only do random crop when we do training.if (phase_ == TRAIN) {h_off = Rand(datum_height - crop_size + 1);w_off = Rand(datum_width - crop_size + 1);} else {h_off = (datum_height - crop_size) / 2;w_off = (datum_width - crop_size) / 2;}}

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进行分类中：进行分类这一步改为如下）：

#记录分类概率分布
pridects = np.zeros((1, CLASS_NUM))# 图片维度（高、宽）
img_shape = np.array(img.shape)
# 裁剪的大小（高、宽）
crop_dims = (32, 96)
crop_dims = np.array(crop_dims)
# 这里使用的图片高度全部固定为32，长度可变，最小为96
# 裁剪起点为0，终点为w_range
w_range = img_shape[1] - crop_dims[1]
# 从左往右剪一遍，再从右往左剪一遍，步长为96/4=24
for k in range(0, w_range + 1, crop_dims[1] / 4) + range(w_range, 1, -crop_dims[1] / 4):# 裁剪图片crop_img = img[:, k:k + crop_dims[1], :]# 数据输入、预处理net.blobs['data'].data[...] = transformer.preprocess('data', crop_img)# 前向迭代，即分类out = net.forward()# 每一次分类，概率分布叠加pridects += out['prob']# 取最大的概率分布为最终结果
pridect = pridects.argmax()