Caffe图片数据均值计算：二进制与Python格式转换详解

引言

在图像预处理阶段，从原始图片中减去均值数据能够显著提升模型训练与测试的速度及精度。因此，该操作已成为各类主流深度学习模型中的标准流程。

均值数据的来源是对所有训练样本进行平均计算。计算完成后，将其保存为均值文件。在后续的测试阶段，直接调用该文件进行减法操作即可，无需对测试图片重新计算均值。

一、二进制格式的均值计算

Caffe框架默认使用的均值数据格式为binaryproto。官方在caffe根目录下的tools文件夹中提供了compute_image_mean.cpp文件，用于计算均值。

编译该源码后，生成的可执行文件位于build/tools/目录下，用户可直接调用该工具。

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

执行该工具时需传入两个参数：

第一个参数指定需要计算均值的数据源，格式为lmdb的训练数据，例如examples/mnist/mnist_train_lmdb。

第二个参数指定计算结果的保存路径及文件名，例如examples/mnist/mean.binaryproto。

二、python格式的均值计算

若需使用Python接口或进行特征可视化，则可能需要Python格式的均值文件。实现方法是先利用lmdb格式数据计算出二进制格式的均值，再将其转换为Python格式。

可通过编写Python脚本实现这一转换过程：

#!/usr/bin/env python
import numpy as np
import sys,caffe
if len(sys.argv)!=3:
    print "Usage: python convert_mean.py mean.binaryproto mean.npy"
    sys.exit()
blob = caffe.proto.caffe_pb2.BlobProto()
bin_mean = open( sys.argv[1] , 'rb' ).read()
blob.ParseFromString(bin_mean)
arr = np.array( caffe.io.blobproto_to_array(blob) )
npy_mean = arr[0]
np.save( sys.argv[2] , npy_mean )

将上述代码保存为convert_mean.py文件。

调用该脚本的命令格式如下：

# sudo python convert_mean.py mean.binaryproto mean.npy

其中，mean.binaryproto为前一步骤生成的二进制均值文件。

mean.npy即为最终所需的Python格式均值文件。

以上即为Caffe图片数据均值计算的完整流程，涵盖二进制与Python格式的转换。如需了解更多Python格式Caffe均值计算相关内容，请持续关注本站其他技术文章。