PROSAGA码农传奇-Caffe-如何使用caffe convnet库来检测面部表情？

<div class =“post-text”itemprop =“text”>
  
    Caffe支持多种格式的输入数据（HDF5 / lmdb / leveldb）。这只是挑选你觉得最舒服的那个问题。这里有几个选项：
  
  <OL>
    <LI>
      的
        朱古力/编译/工具/ convert_imageset：
      </强>
    </LI>
  </醇>
  
     <code>
 convert_imageset
 </code>
     是您从构建caffe获得的命令行工具之一。
  
  
    用法如下：
  
  <UL>
    <LI>
      指定文本文件中的图像和标签对列表。每对1排。
    </LI>
    <LI>
      指定图像的位置。
    </LI>
    <LI>
      选择后端数据库（格式）。默认是lmdb，应该没问题。
    </LI>
  </UL>
  
    您需要编写一个文本文件，其中每行以图像的文件名开头，后跟标量标签（例如0,1,2，...）
  
  <ol start =“2”>
    <LI>
      的
        使用Caffe在python中构造你的lmdb
         <code>
 Datum
 </code>
         类：
      </强>
    </LI>
  </醇>
  
    这需要构建caffe的python接口。在这里你写一些python代码：
  
  <UL>
    <LI>
      迭代图像列表
    </LI>
    <LI>
      将图像加载到
       <code>
 numpy
 </code>
       阵列。
    </LI>
    <LI>
      构造一个caffe
       <code>
 Datum
 </code>
       宾语
    </LI>
    <LI>
      将图像数据分配给
       <code>
 Datum
 </code>
       宾语。
    </LI>
    <LI>
      该
       <code>
 Datum
 </code>
       class有一个名为的成员
       <code>
 label
 </code>
       您可以从CK数据集中将其设置为AU类，如果这是您希望网络分类的。
    </LI>
    <LI>
      写的
       <code>
 Datum
 </code>
       对象到数据库并移动到下一个图像。
    </LI>
  </UL>
  
    <a href="http://deepdish.io/2015/04/28/creating-lmdb-in-python/" rel="nofollow">
      这里的
    </A>
     Gustav Larsson在博客文章中将图像转换为lmdb的代码片段。在他的例子中，他构建了一个lmdb的图像和标签对，用于图像分类。
  
  
    的
      将lmdb加载到您的网络中：
    </强>
  
  
    这与LeNet示例完全相同。此数据层位于描述LeNet模型的网络原型文本的开头。
  
   <pre>
 <code>
 layer {
 name: "mnist"
 type: "Data"
 top: "data"
 top: "label"
 include {
 phase: TRAIN
 }
 transform_param {
 scale: 0.00390625
 }
 data_param {
 source: "examples/mnist/mnist_train_lmdb"
 batch_size: 64
 backend: LMDB
 }
}

</code>
 </pre>
  
    源字段是将caffe指向刚刚创建的lmdb的位置的位置。
  
  
    与性能更相关并且对于使其工作不重要的是指定如何规范化输入要素。这是通过
     <code>
 transform_param
 </code>
     领域。 CK +具有固定大小的图像，因此无需调整大小。但您需要做的一件事是将灰度值标准化。你可以通过平均减法来做到这一点。这样做的一个简单方法就是替换它的值
     <code>
 transform_param:scale
 </code>
     使用CK +数据集中灰度强度的平均值。
  
</DIV>