anaconda 환경에서caffe를 이동하고 싶지만 Makefile.config를 변경해도 제대로 작동하지 않습니다.버전 관리를 사용하지 않는 환경에서의 구축 절차를 잠시 기록합니다.
만약 틀렸다면 저에게 연락 주셨으면 좋겠어요.

ubuntu에 설치

일반 의존 관계

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev

14.04

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

추가 버전
http://caffe.berkeleyvision.org/install_apt.html
다른 운영 체제의 경우
http://caffe.berkeleyvision.org/installation.html

환경 가져오기

git clone https://github.com/BVLC/caffe.git

Makefile.구성 구성 구성

cd caffe
cp Makefile.config.example Makefile.config

Makefile.config

# USE_CUDNN := 1
↓
USE_CUDNN := 1

#cudaは自分の環境に合わせて修正
CUDA_DIR := /usr/local/cuda-7.0

#anacondaでやりたい場合はここを変えるといけるはずなのだけども、自分の環境ではうまく通らなかった。
ANACONDA_HOME := $(HOME)/anaconda
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
                $(ANACONDA_HOME)/include/python2.7 \
                $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include

PYTHON_LIB := $(ANACONDA_HOME)/lib

번역하다

cmake .
make -j4 all
make install

하면, 만약, 만약...

make clean make-j4all
생성기 - 응용 프로그램을 만들 때 사용할 수 있는 중간 파일과 결과를 생성하는 응용 프로그램 자체를 삭제합니다.

python 설정

python 컴파일 등

sudo apt-get install python-dev python-pip python-numpy python-skimage gfortran
sudo pip install -r ~/caffe/python/requirements.txt
make pycaffe

패스

export PYTHONPATH=/home/ubuntu/caffe/build/caffe/python/:$PYTHONPATH

import 하면 오케이.

python
>>>import caffe

경로 설정
.badhrc

export CAFFE_HOME=caffeをインストールした場所
export PATH=${CAFFE_HOME}/bin:${PATH}
export LD_LIBRARY_PATH=${CAFFE_HOME}/lib:${LD_LIBRARY_PATH}
export PYTHONPATH=${CAFFE_HOME}/python:${PYTHONPATH}

※ 주의
이것도classify입니다.때로는 py가 움직이지 않는다.
http://qiita.com/Bonnnou_108/items/41e6dadeff1310b4eb5d
야후의 기사대로 하면 움직일 수 있지만 때로는 틀릴 수 있다
https://techblog.yahoo.co.jp/programming/caffe-intro/

python classify.py --raw_scale 255 ../101_ObjectCategories/airplanes/image_0001.jpg ../result.npy

오류 내용

ValueError: Mean shape incompatible with input shape

편집하기
caffe/python/caffe/io.py

if ms != self.inputs[in_][1:]:
    raise ValueError('Mean shape incompatible with input shape.')

↓

if ms != self.inputs[in_][1:]:
    print(self.inputs[in_])
    in_shape = self.inputs[in_][1:]
    m_min, m_max = mean.min(), mean.max()
    normal_mean = (mean - m_min) / (m_max - m_min)
    mean = resize_image(normal_mean.transpose((1,2,0)),in_shape[1:]).transpose((2,0,1)) * (m_max - m_min) + m_min
    #raise ValueError('Mean shape incompatible with input shape.')

Caffe Model Zoo

연령과 성별의 분류 모델

emotion 데이터 세트

http://www.ics.uci.edu/~xzhu/face/
http://www.openu.ac.il/home/hassner/Adience/data.html
age_net.caffemodel...연령 분류 모델
deploy_age.prototxt...연령 분류의 숫자와 라벨의 관련
mean.binaryproto...평균 이미지 사용
gender_net.caffemodel...성별 분류 모델
deploy_gender.prototxt...성별 분류 숫자와 라벨 연결

모델 다운로드

wget http://www.openu.ac.il/home/hassner/projects/cnn_agegender/cnn_age_gender_models_and_data.0.0.1.zip
unzip cnn_age_gender_models_and_data.0.0.1.zip

import

import os
import numpy as np
import matplotlib.pyplot as plt

caffe_root = './caffe-master/' 
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe

plt.rcParams['figure.figsize'] = (10, 10)
plt.rcParams['image.interpolation'] = 'nearest'
plt.rcParams['image.cmap'] = 'gray'

mean 이미지 읽기

mean_filename='./mean.binaryproto'
proto_data = open(mean_filename, "rb").read()
a = caffe.io.caffe_pb2.BlobProto.FromString(proto_data)
mean  = caffe.io.blobproto_to_array(a)[0]

age 네트워크 로드

age_net_pretrained='./age_net.caffemodel'
age_net_model_file='./deploy_age.prototxt'
age_net = caffe.Classifier(age_net_model_file, age_net_pretrained,
                       mean=mean,
                       channel_swap=(2,1,0),
                       raw_scale=255,
                       image_dims=(256, 256))

공식 네트워크 로드

gender_net_pretrained='./gender_net.caffemodel'
gender_net_model_file='./deploy_gender.prototxt'
gender_net = caffe.Classifier(gender_net_model_file, gender_net_pretrained,
                       mean=mean,
                       channel_swap=(2,1,0),
                       raw_scale=255,
                       image_dims=(256, 256))

Labels

age_list=['(0, 2)','(4, 6)','(8, 12)','(15, 20)','(25, 32)','(38, 43)','(48, 53)','(60, 100)']
gender_list=['Male','Female']

이미지 읽기 및 보기

example_image = './example_image.jpg'
input_image = caffe.io.load_image(example_image)
_ = plt.imshow(input_image)

연령 예측

prediction = age_net.predict([input_image]) 

print 'predicted age:', age_list[prediction[0].argmax()]

출력 결과:predicted age:(0,2)

성별 예측

prediction = gender_net.predict([input_image]) 

print 'predicted gender:', gender_list[prediction[0].argmax()]

출력 결과:predicted gender:Female

필터 시각화

CNN은 무게를 필터라고 부른다.

def showimage(im):
    if im.ndim == 3:
        im = im[:, :, ::-1]
    plt.set_cmap('jet')
    plt.imshow(im)


def vis_square(data, padsize=1, padval=0):
    data -= data.min()
    data /= data.max()

    # フィルター数を強制的に正方形にする
    n = int(np.ceil(np.sqrt(data.shape[0])))
    padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3)
    data = np.pad(data, padding, mode='constant', constant_values=(padval, padval))

    # フィルタを画像にタイル張りする
    data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))
    data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])

    showimage(data)

가시화를 위해 평균 이미지 없이 성별 네트워크 가져오기

age_net = caffe.Classifier(age_net_model_file, age_net_pretrained,
                       channel_swap=(2,1,0),
                       raw_scale=255,
                       image_dims=(256, 256))

prediction = age_net.predict([input_image]) 

이미지 가져오기

때때로 input와 시작하는 함수 등이 나타난다.python에서는 외부 클래스에서 인용할 수 있지만 인용하지 않는다는 뜻을 사용할 수 있습니다.

_ = plt.imshow(input_image)

첫 번째 도면층 필터conv1

filters = age_net.params['conv1'][0].data[:49]
vis_square(filters.transpose(0, 2, 3, 1))

1층 출력conv1

feat = age_net.blobs['conv1'].data[4, :49]
vis_square(feat, padval=1)

Flickr 이미지를 사용하여 fine-tuning

caffe가 있는 폴더로 이동

cd ~/caffe

학습 모형 다운로드

scripts/download_model_binary.py models/bvlc_reference_caffenet

Flickr에서 이미지 다운로드

python examples/finetune_flickr_style/assemble_data.py --workers=1 --images=2000 --seed 831486

bvlc_reference_caffenet.caffemodel을 초기값으로 하고 Flickr 데이터로 미세 조정합니다.

./build/tools/caffe train -solver models/finetune_flickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel

Regression Methods for Localization

산도, 주자

이해 방향
● Object localization
● Object segmentation
● Human pose estimation

DNN 기반 회귀로 공식화
● Deep Neural Net-based Regression
● Object Mask Regression
● Object Bounding Box Regression
● Human Pose Estimation

DNN-based Regression

참고 자료

fine-tuning
http://hirotaka-hachiya.hatenablog.com/entry/2015/02/21/072255