Caffe4——计算图像均值

Caffe4——计算图像均值

均值削减是数据预处理中常见的处理方式，按照之前在学习ufldl教程PCA的一章时，对于图像介绍了两种：第一种常用的方式叫做dimension_mean（个人命名），是依据输入数据的维度，每个维度内进行削减，这个也是常见的做法；第二种叫做per_image_mean，ufldl教程上说，在natural images上训练网络时；给每个像素（这里只每个dimension）计算一个独立的均值和方差是make little sense的；这是因为图像本身具有统计不变性，即在图像的一部分的统计特性和另一部分相同。作者最后建议，如果你训练你的算法在非natural images（如mnist，或者在白背景存在单个独立的物体），其他类型的规则化是值得考虑的。但是当在natural images上训练时，per_image_mean是一个合理的默认选择。

本文中在imagenet数据集上采用的是dimension_mean的方法。

 

一：程序开始

make_image_mean.sh文件调用代码：

[cpp] view plaincopy

 

1. EXAMPLE=examples/imagenet  
2. DATA=data/ilsvrc12  
3. TOOLS=build/tools  
4. $TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb \  
5. $DATA/imagenet_mean.binaryproto<strong>  
6. </strong>  

二：make_image_mean.cpp函数分析

输入参数：lmdb文件 均值文件imagenet_mean.binaryproto

2.1 头文件分析

[cpp] view plaincopy

 

1. #include<stdint.h>//定义了几种扩展的整数类型和宏  
2. #include<algorithm>//输出数组的内容、对数组进行排序、反转数组内容、复制数组内容等操作，  
3. #include<string>  
4. #include<utility>//utility头文件定义了一个pair类型,pair类型用于存储一对数据;它也提供一些常用的便利函数、或类、或模板。大小求值、值交换：min、max和swap。  
5. #include<vector>//可以自动扩展容量的数组  
6.   
7. #include"boost/scoped_ptr.hpp"  
8. #include"gflags/gflags.h"  
9. #include"glog/logging.h"  
10.   
11. #include"caffe/proto/caffe.pb.h"  
12. #include"caffe/util/db.hpp"//引入包装好的lmdb操作函数  
13. #include"caffe/util/io.hpp"//引入opencv中的图像操作函数  
14. usingnamespacecaffe;  //引入caffe命名空间  
15. usingstd::max;//  
16. usingstd::pair;  
17. using boost::scoped_ptr;  

2.2 gflags宏定义string变量

DEFINE_string(backend, "lmdb","The backend {leveldb, lmdb} containing theimages");

2.3 main函数分析

2.3.1 lmdb数据操作

 

[cpp] view plaincopy

 

1. scoped_ptr<db::DB>db(db::GetDB(FLAGS_backend));  
2. db->Open(argv[1], db::READ);//只读的方式打开lmdb文件  
3. scoped_ptr<db::Cursor> cursor(db->NewCursor());  
4. //lmdb数据库的“光标”文件，一个光标保存一个从数据库根目录到数据库文件的路径；A cursorholds a path of (page pointer, key index) from the DB root to a position in theDB, plus other state.   

2.3.4 声明中转对象变量

 

 

[cpp] view plaincopy

 

1. BlobProtosum_blob;//声明blob变量；这个BlobProto在哪里定义的，没有找到；感觉应该在caffe.pb.h中定义的，因为db.cpp和io.cpp中没有找到  
2. int count = 0;  
3. // load first datum  
4.   Datum datum;  
5. datum.ParseFromString(cursor->value());//这个cursor.value，感觉返回的应该是lmdb中存储的第一个键值对数据  

2.3.5 给BlobProto类型变量赋值

 

每个blob对象，为一个4维的数组，分别为image_num*channels*height*width

 

[cpp] view plaincopy

 

1. sum_blob.set_num(1);//设置图片的个数  
2. sum_blob.set_channels(datum.channels());  
3. sum_blob.set_height(datum.height());  
4. sum_blob.set_width(datum.width());  
5. constintdata_size = datum.channels() *datum.height() * datum.width();//每张图片的尺寸  
6. intsize_in_datum = std::max<int>(datum.data().size(),datum.float_data_size());  

这个size（）和float_data_size（）有些不明白，图像数据正常应该是整形的数据（例如uint8_t），感觉这个size()应该对应的是整型数据的个数，例如一个50*50的彩色图片，最后应该是50*50*3=750个整型数来表示一幅50*50的图片；至于这个float_data_size()就不清楚了，感觉是某些图片数据使用float类型存储的，所以用float来统计数值的个数。开始感觉这个float的size应该是把int类型转换成float后，查看在float类型下的字节占用情况；但是由下面的代码来看，感觉这个size(),统计的是数据的个数也就是750，而不是占用的字节数。如果图像使用int类型存储的，那么float_data_size()=0；如果使用float类型存储的，那么datum.data.size=0。所以每次都要max操作

 

 

[cpp] view plaincopy

 

1. for (inti= 0; i<size_in_datum; ++i) {  
2. sum_blob.add_data(0.);//设置初值为float型的0.0  
3.  }  

2.3.6利用循环和cursor读取lmdb中的数据

 

 

[cpp] view plaincopy

 

1. while (cursor->valid()) {//如果cursor是有效的  
2.     Datum datum;  
3. datum.ParseFromString(cursor->value());//解析cuisor.value返回的字符串值，到datum  
4. DecodeDatumNative(&datum);//感觉是把datum中字符串类型的值，变成相应的类型  
5. conststd::string& data =datum.data();//利用data来引用datum.data  
6. size_in_datum = std::max<int>(datum.data().size(),datum.float_data_size());  
7.     CHECK_EQ(size_in_datum,data_size) <<"Incorrect data field size"<<size_in_datum;  
8. if (data.size() != 0) {//datum.data().size()!=0  
9.       CHECK_EQ(data.size(),size_in_datum);//判断是否相等  
10. for (inti= 0; i<size_in_datum; ++i) {  
11. sum_blob.set_data(i, sum_blob.data(i) + (uint8_t)data[i]);//对应位置的像素值相加（uin8_t类型相加），相加的结果放在sum_blob中  
12.       }  
13.     } else{  
14.      CHECK_EQ(datum.float_data_size(), size_in_datum);  
15. for (inti= 0; i<size_in_datum; ++i) {  
16. sum_blob.set_data(i, sum_blob.data(i) +  
17. static_cast<float>(datum.float_data(i)));//对应位置的像素值相加（float类型相加）  
18.       }  
19.     }  
20.     ++count;  
21. if (count % 10000 == 0) {  
22. LOG(INFO) <<"Processed "<<count <<" files.";  
23.     }  
24.     cursor->Next();//光标下移（指针），指向下一个存储在lmdb中的数据  
25.   }  

2.3.7 求均值

 

 

[cpp] view plaincopy

 

1. for (inti= 0; i<sum_blob.data_size(); ++i) {  
2. sum_blob.set_data(i, sum_blob.data(i) / count);  
3.   }  

2.3.8 存储到指定文件

 

 

[cpp] view plaincopy

 

1. // Write to disk  
2. if (argc == 3) {  
3. LOG(INFO) <<"Write to "<<argv[2];  
4. WriteProtoToBinaryFile(sum_blob, argv[2]);  
5.   }  

2.3.9 计算每个channel的均值，这个貌似没有用到吧！

 

 

[cpp] view plaincopy

 

1. constint channels = sum_blob.channels();  
2. constint dim = sum_blob.height() *sum_blob.width();  
3. std::vector<float>mean_values(channels,0.0);//容量为3的数组，初始值为0.0  
4. LOG(INFO) <<"Number of channels:"<< channels;  
5. for (intc = 0; c < channels; ++c) {  
6. for (inti= 0; i< dim; ++i) {  
7. mean_values[c] += sum_blob.data(dim * c + i);  
8.     }  
9. LOG(INFO) <<"mean_value channel["<< c <<"]:"<<mean_values[c]/ dim;  
10.   }  

三，相关文件

 

compute_image_mean.cpp

 

[cpp] view plaincopy

 

1. #include <stdint.h>  
2. #include <algorithm>  
3. #include <string>  
4. #include <utility>  
5. #include <vector>  
6.   
7. #include "boost/scoped_ptr.hpp"  
8. #include "gflags/gflags.h"  
9. #include "glog/logging.h"  
10.   
11. #include "caffe/proto/caffe.pb.h"  
12. #include "caffe/util/db.hpp"  
13. #include "caffe/util/io.hpp"  
14.   
15. using namespace caffe;  // NOLINT(build/namespaces)  
16.   
17. using std::max;  
18. using std::pair;  
19. using boost::scoped_ptr;  
20.   
21. DEFINE_string(backend, "lmdb",  
22.         "The backend {leveldb, lmdb} containing the images");  
23.   
24. int main(int argc, char** argv) {  
25.   ::google::InitGoogleLogging(argv[0]);  
26.   
27. #ifndef GFLAGS_GFLAGS_H_  
28.   namespace gflags = google;  
29. #endif  
30.   
31.   gflags::SetUsageMessage("Compute the mean_image of a set of images given by"  
32.         " a leveldb/lmdb\n"  
33.         "Usage:\n"  
34.         "    compute_image_mean [FLAGS] INPUT_DB [OUTPUT_FILE]\n");  
35.   
36.   gflags::ParseCommandLineFlags(&argc, &argv, true);  
37.   
38.   if (argc < 2 || argc > 3) {  
39.     gflags::ShowUsageWithFlagsRestrict(argv[0], "tools/compute_image_mean");  
40.     return 1;  
41.   }  
42.   
43.   scoped_ptr<db::DB> db(db::GetDB(FLAGS_backend));  
44.   db->Open(argv[1], db::READ);  
45.   scoped_ptr<db::Cursor> cursor(db->NewCursor());  
46.   
47.   BlobProto sum_blob;  
48.   int count = 0;  
49.   // load first datum  
50.   Datum datum;  
51.   datum.ParseFromString(cursor->value());  
52.   
53.   if (DecodeDatumNative(&datum)) {  
54.     LOG(INFO) << "Decoding Datum";  
55.   }  
56.   
57.   sum_blob.set_num(1);  
58.   sum_blob.set_channels(datum.channels());  
59.   sum_blob.set_height(datum.height());  
60.   sum_blob.set_width(datum.width());  
61.   const int data_size = datum.channels() * datum.height() * datum.width();  
62.   int size_in_datum = std::max<int>(datum.data().size(),datum.float_data_size());  
63.   for (int i = 0; i < size_in_datum; ++i) {  
64.     sum_blob.add_data(0.);//设置初值为float型的0.0  
65.   }  
66.   LOG(INFO) << "Starting Iteration";  
67.   while (cursor->valid()) {//如果cursor是有效的  
68.     Datum datum;  
69.     datum.ParseFromString(cursor->value());//解析cuisor.value返回的字符串值，到datum  
70.     DecodeDatumNative(&datum);  
71.   
72.     const std::string& data = datum.data();//利用data来引用datum.data  
73.     size_in_datum = std::max<int>(datum.data().size(),datum.float_data_size());  
74.     CHECK_EQ(size_in_datum, data_size) << "Incorrect data field size " <<size_in_datum;  
75.     if (data.size() != 0) {  
76.       CHECK_EQ(data.size(), size_in_datum);  
77.       for (int i = 0; i < size_in_datum; ++i) {  
78.         sum_blob.set_data(i, sum_blob.data(i) + (uint8_t)data[i]);  
79.       }  
80.     } else {  
81.       CHECK_EQ(datum.float_data_size(), size_in_datum);  
82.       for (int i = 0; i < size_in_datum; ++i) {  
83.         sum_blob.set_data(i, sum_blob.data(i) +  
84.             static_cast<float>(datum.float_data(i)));  
85.       }  
86.     }  
87.     ++count;  
88.     if (count % 10000 == 0) {  
89.       LOG(INFO) << "Processed " << count << " files.";  
90.     }  
91.     cursor->Next();  
92.   }  
93.   
94.   if (count % 10000 != 0) {  
95.     LOG(INFO) << "Processed " << count << " files.";  
96.   }  
97.   for (int i = 0; i < sum_blob.data_size(); ++i) {  
98.     sum_blob.set_data(i, sum_blob.data(i) / count);  
99.   }  
100.   // Write to disk  
101.   if (argc == 3) {  
102.     LOG(INFO) << "Write to " << argv[2];  
103.     WriteProtoToBinaryFile(sum_blob, argv[2]);  
104.   }  
105.   const int channels = sum_blob.channels();  
106.   const int dim = sum_blob.height() * sum_blob.width();  
107.   std::vector<float> mean_values(channels, 0.0);  
108.   LOG(INFO) << "Number of channels: " << channels;  
109.   for (int c = 0; c < channels; ++c) {  
110.     for (int i = 0; i < dim; ++i) {  
111.       mean_values[c] += sum_blob.data(dim * c + i);  
112.     }  
113.     LOG(INFO) << "mean_value channel [" << c << "]:" << mean_values[c] / dim;  
114.   }  
115.   return 0;  
116. }  

四：以上代码注释为个人理解，如有遗漏，错误还望大家多多交流，指正，以便共同学习，进步！！

转载请标明出处：http://blog.csdn.net/whiteinblue/article/details/45540301