深度学习框架Caffe学习笔记(6)-测试自己的手写数字图片

在之前的实验中我们使用过
$ ./build/tools/caffe.bin test \ -model examples/mnist/lenet_train_test.prototxt \ -weights examples/mnist/lenet_iter_10000.caffemodel \ -iterations 100
命令来测试训练好的网络。这主要用于测试网络的准确率。
但如想用自己的手写数字，通过训练好的模型来识别这个数字，怎么做呢？
可以使用Caffe中build/examples/cpp_classification/classification.bin这个程序来实现。

$ ./build/examples/cpp_classification/classification.bin
Usage: ./build/examples/cpp_classification/classification.bin
deploy.prototxt    // 模型描述文件
network.caffemodel // 模型权值文件
mean.binaryproto   // 图像均值文件
labels.txt         // 图像类别标签信息
img.jpg            // 输入待分类图像

接下来开始准备这几个文件

模型描述文件

将lenet_train_test.prototxt复制一份修改如下

// 将训练和测试用的mnist层删除，添加以下层
name: "LeNet"
layer {name: "data"type: "Input"top: "data"input_param { shape: { dim: 1 dim: 1 dim: 28 dim: 28 } }
}
......
// 中间的模型不改动，省略
......
// 将accuracy层和loss层删除，添加以下层
layer {name: "prob"type: "Softmax"bottom: "ip2"top: "prob"
}

权值描述文件

训练好网络后examples/mnist/目录下就会会有lenet_iter_10000.caffemodel这个文件。

图像均值文件

Caffe框架为我们提供了一个计算均值的文件compute_image_mean.cpp，放在caffe根目录下的tools文件夹里面。编译后的可执行体放在 build/tools/ 下面，我们直接调用就可以了

$ sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto

带两个参数：

第一个参数：examples/mnist/mnist_train_lmdb，表示需要计算均值的数据，格式为lmdb的训练数据。

第二个参数：examples/mnist/mean.binaryproto，计算出来的结果保存文件。

标签文件

新建label.txt，每行一个数字，0到9。

输入待分类图像

这个自己拿画图工具画一个就好。由于训练集中的数据都是黑底白字的，所以如果自己写是是白底黑字的图片可能识别不准确。

开始测试

$ ./build/examples/cpp_classification/classification.bin \
examples/mnist/classificat_net.prototxt \
examples/mnist/lenet_iter_10000.caffemodel \
examples/mnist/mean.binaryproto examples/mnist/label.txt \
examples/mnist/0.png
---------- Prediction for examples/mnist/0.png ----------
1.0000 - "0"
0.0000 - "1"
0.0000 - "3"
0.0000 - "4"
0.0000 - "2"

结果显示图片中的数字为0。