【caffe】caffe中使用crop_size剪裁訓練圖片

下面以一個簡單的例子進行介紹。

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

從上面的 數據層的定義,看得出用了鏡像和crop_size,還定義了 mean_file。

利用crop_size這種方式可以剪裁中心關注點和邊角特徵,mirror可以產生鏡像,彌補小數據集的不足.

這裏要重點講一下crop_size在訓練層與測試層的區別：

首先我們需要了解mean_file和crop_size沒什麼大關係。mean_file是根據訓練集圖片製作出來的，crop_size是對訓練集圖像進行裁剪，兩個都是對原始的訓練集圖像進行處理。如果原始訓練圖像的尺寸大小爲800*800，crop_size的圖片爲600*600，則mean_file與crop_size的圖片均爲800*800的圖像集。

在caffe中，如果定義了crop_size，那麼在train時會對大於crop_size的圖片進行隨機裁剪，而在test時只是截取中間部分（詳見/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;
    }
  }

---

從上述的代碼可以看出，如果我們輸入的圖片尺寸大於crop_size，那麼圖片會被裁剪。當 phase 模式爲 TRAIN 時，裁剪是隨機進行裁剪，而當爲TEST 模式時，其裁剪方式則只是裁剪圖像的中間區域。

下面是我在網上找到的自己進行圖像裁剪的程序：

可對照給出的網址進行詳細閱讀：http://blog.csdn.net/u011762313/article/details/48343799

我們可以手動將圖片裁剪並導入pycaffe中，這樣能夠提高識別率（pycaffe利用caffemodel進行分類中：進行分類這一步改爲如下）：

#記錄分類概率分佈
pridects = np.zeros((1, CLASS_NUM))
 
# 圖片維度（高、寬）
img_shape = np.array(img.shape)
# 裁剪的大小（高、寬）
crop_dims = (32, 96)
crop_dims = np.array(crop_dims)
# 這裏使用的圖片高度全部固定爲32，長度可變，最小爲96
# 裁剪起點爲0，終點爲w_range
w_range = img_shape[1] - crop_dims[1]
# 從左往右剪一遍，再從右往左剪一遍，步長爲96/4=24
for k in range(0, w_range + 1, crop_dims[1] / 4) + range(w_range, 1, -crop_dims[1] / 4):
    # 裁剪圖片
    crop_img = img[:, k:k + crop_dims[1], :]
    # 數據輸入、預處理
    net.blobs[‘data’].data[…] = transformer.preprocess(‘data’, crop_img)
    # 前向迭代，即分類
    out = net.forward()
    # 每一次分類，概率分佈疊加
    pridects += out[‘prob’]
 
# 取最大的概率分佈爲最終結果
pridect = pridects.argmax()

---

• caffe中提供了過採樣的方法（oversample），詳見/caffe/python/caffe/io.py，裁剪的是圖片中央、4個角以及鏡像共10張圖片。

注：如果圖片過大，需要適當縮小batch_size的值，否則使用GPU時可能超出其緩存大小而報錯