caffe-windows中classification.cpp的源码阅读

caffe-windows中classification.cpp的源码阅读

命令格式：

usage: classification
string(模型描述文件net.prototxt)
string(模型权值文件network.caffemodel)
string(图像均值文件mean.binaryproto)
string(图像类别标签信息 labels.txt)
string(输入待分类图像img.jpg)

为什么要对图像进行均值处理？（参考）

数据预处理在深度学习中非常重要，数据预处理中，标准的第一步是数据归一化。

通常来讲，在各类深度学习模型中都具有计算图像均值的操作，这是因为图像减去均值后，再进行训练/测试，会大大提高速度和精度，这是我们在进行大量计算时希望可以达到的效果。

在caffe中，我们如何得到这个均值，实际上就是计算所有训练样本的平均值，计算出来后，保存为一个均值文件，在以后的测试中，就可以直接使用这个均值，而不需要重新对带测试的图像进行计算了。

源码阅读（参考）

#include <caffe/caffe.hpp>
#ifdef USE_OPENCV
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#endif  // USE_OPENCV
#include <algorithm>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>

#ifdef USE_OPENCV
using namespace caffe;  // NOLINT(build/namespaces)
using std::string;

/* Pair (label, confidence) representing a prediction. */
//为std::pair<string, float>创建一个名为“Prediction”的类型别名，std::pair<string, float>的用法见网上,用来存储输出结构，每个类别对应的概率
typedef std::pair<string, float> Prediction;
class Classifier {
public:
	//Classifier构造函数的声明，输入形参分别为配置文件(train_val.prototxt)、训练好的模型文件(caffemodel)、均值文件和labels_标签文件
	Classifier(const string& model_file,
		const string& trained_file,
		const string& mean_file,
		const string& label_file);

	//Classify函数对输入的图像进行分类，返回std::pair<string, float>类型的预测结果
	//Classify函数的形参列表：img是输入一张图像，N是输出概率值从大到小前N个预测结果的索引
	std::vector<Prediction> Classify(const cv::Mat& img, int N = 5);

	// Classifier类的私有函数的声明，仅供classifier函数和classify函数使用
private:
	void SetMean(const string& mean_file);//SetMean函数将均值文件读入，转化为一张均值图像mean_，形参是均值文件的文件名

	std::vector<float> Predict(const cv::Mat& img);//Predict函数调用Process函数将图像输入到网络中，使用net_->Forward()函数进行预测；将输出层的输出保存到vector容器中返回，输入形参是单张图片

	void WrapInputLayer(std::vector<cv::Mat>* input_channels);//根据网络输入层对图像数据的要求设定，初始化图像存储的内存空间

	void Preprocess(const cv::Mat& img,
		std::vector<cv::Mat>* input_channels);// 根据网络输入层对输入图像的要求，对图片进行改变，再减去均值图像，存入input_channels里
	//？Preprocess函数对图像的通道数、大小、数据形式进行改变，减去均值mean_，再写入到net_的输入层中？

	// Classifier类的私有变量
private:
	shared_ptr<Net<float> > net_;//？模型变量？
	cv::Size input_geometry_;//输入层图像的大小
	int num_channels_;//输入层的通道数
	cv::Mat mean_;//均值文件处理得到的均值图像
	std::vector<string> labels_;//标签文件，labels_定义成元素是string类型的vector容器
};

//在Classifier类外定义Classifier类的构造函数
Classifier::Classifier(const string& model_file,
	const string& trained_file,
	const string& mean_file,
	const string& label_file) {
#ifdef CPU_ONLY
	Caffe::set_mode(Caffe::CPU);
#else
	Caffe::set_mode(Caffe::GPU);
#endif

	/* Load the network. */
	net_.reset(new Net<float>(model_file, TEST));// 加载配置文件，设定模式为分类
	net_->CopyTrainedLayersFrom(trained_file);//加载caffemodel,该函数在net.cpp中实现

	CHECK_EQ(net_->num_inputs(), 1) << "Network should have exactly one input.";
	CHECK_EQ(net_->num_outputs(), 1) << "Network should have exactly one output.";

	Blob<float>* input_layer = net_->input_blobs()[0];// 定义输入层变量
	num_channels_ = input_layer->channels(); //得到输入层的通道数
	CHECK(num_channels_ == 3 || num_channels_ == 1)//检查图像通道数，3对应RGB图像，1对应灰度图像
		<< "Input layer should have 1 or 3 channels.";
	input_geometry_ = cv::Size(input_layer->width(), input_layer->height());//得到输入层图像大小

	/* Load the binaryproto mean file. */
	SetMean(mean_file);//Classifier函数中调用SetMean函数，得到一张均值图像mean_

	/* Load labels. */
	std::ifstream labels(label_file.c_str());//加载标签名称文件，就是那个txt文本
	CHECK(labels) << "Unable to open labels file " << label_file;
	string line;
	while (std::getline(labels, line))
		labels_.push_back(string(line));

	//检查标签个数与网络的输出结点个数是否一样
	Blob<float>* output_layer = net_->output_blobs()[0];
	CHECK_EQ(labels_.size(), output_layer->channels())
		<< "Number of labels is different from the output layer dimension.";
}//至此Classifier类的构造函数的定义结束

//？下面这个函数不知道是干什么的，好像不打紧...？
static bool PairCompare(const std::pair<float, int>& lhs,
	const std::pair<float, int>& rhs) {
	return lhs.first > rhs.first;
}

/* Return the indices of the top N values of vector v. */
//函数用于返回向量v的前N个最大值的索引，也就是返回概率最大的五个类别的标签
//如果你是二分类问题，那么这个N直接选择1
static std::vector<int> Argmax(const std::vector<float>& v, int N) {
	std::vector<std::pair<float, int> > pairs;
	for (size_t i = 0; i < v.size(); ++i)
		pairs.push_back(std::make_pair(v[i], static_cast<int>(i)));
	std::partial_sort(pairs.begin(), pairs.begin() + N, pairs.end(), PairCompare);

	std::vector<int> result;
	for (int i = 0; i < N; ++i)
		result.push_back(pairs[i].second);
	return result;
}

//Classifier类的Classify函数的定义，里面调用了Classifier类的私有函数Predict函数和上面实现的Argmax函数
//预测函数，输入一张图片img，希望预测的前N种概率最大的，我们一般取N等于1
//输入预测结果为std::make_pair，每个对包含这个物体的名字，及其相对于的概率
/* Return the top N predictions. */
std::vector<Prediction> Classifier::Classify(const cv::Mat& img, int N) {
	std::vector<float> output = Predict(img);//调用Predict函数对输入图像进行预测，输出是概率值
	N = std::min<int>(labels_.size(), N);
	std::vector<int> maxN = Argmax(output, N);//调用上面的Argmax函数返回概率值最大的N个类别的标签，放在vector容器maxN里
	std::vector<Prediction> predictions;//定义一个std::pair<string, float>型的变量，用来存放类别的标签及类别对应的概率值
	for (int i = 0; i < N; ++i) {
		int idx = maxN[i];
		predictions.push_back(std::make_pair(labels_[idx], output[idx]));
	}

	return predictions;
}

/* Load the mean file in binaryproto format. */
//加载均值文件函数的定义
void Classifier::SetMean(const string& mean_file) {
	BlobProto blob_proto;//构造一个BlobProto对象blob_proto
	ReadProtoFromBinaryFileOrDie(mean_file.c_str(), &blob_proto);//读取均值文件给构建好的blob_proto

	/* Convert from BlobProto to Blob<float> */
	//把BlobProto 转换为 Blob<float>类型
	Blob<float> mean_blob;
	mean_blob.FromProto(blob_proto);//把blob_proto拷贝给mean_blob
	//验证均值图片的通道个数是否与网络的输入图片的通道个数相同
	CHECK_EQ(mean_blob.channels(), num_channels_)
		<< "Number of channels of mean file doesn't match input layer.";

	/* The format of the mean file is planar 32-bit float BGR or grayscale. */
	//把三通道的图片分开存储，三张图片按顺序保存到channels中
	std::vector<cv::Mat> channels;
	float* data = mean_blob.mutable_cpu_data();//令data指向mean_blob
	for (int i = 0; i < num_channels_; ++i) {
		/* Extract an individual channel. */
		cv::Mat channel(mean_blob.height(), mean_blob.width(), CV_32FC1, data);
		channels.push_back(channel);
		data += mean_blob.height() * mean_blob.width();
	}

	/* Merge the separate channels into a single image. */
	//重新合成一张图片
	cv::Mat mean;
	cv::merge(channels, mean);

	/* Compute the global mean pixel value and create a mean image
	* filled with this value. */
	//计算每个通道的均值，得到一个三维的向量channel_mean，然后把三维的向量扩展成一张新的均值图片
	//这种图片的每个通道的像素值是相等的，这张均值图片的大小将和网络的输入要求一样
	cv::Scalar channel_mean = cv::mean(mean);
	mean_ = cv::Mat(input_geometry_, mean.type(), channel_mean);
}

//Classifier类中Predict函数的定义，输入形参为单张图像
std::vector<float> Classifier::Predict(const cv::Mat& img) {
	Blob<float>* input_layer = net_->input_blobs()[0];
	input_layer->Reshape(1, num_channels_,
		input_geometry_.height, input_geometry_.width);
	/* Forward dimension change to all layers. */
	//输入带预测的图片数据，然后进行预处理，包括归一化、缩放等操作
	net_->Reshape();

	std::vector<cv::Mat> input_channels;
	WrapInputLayer(&input_channels);//根据网络输入层对图像数据的要求设定，初始化图像存储的内存空间

	Preprocess(img, &input_channels); //调用Classifier类中的Preprocess函数对图像的通道数、大小、数据形式进行改变，减去均值mean_，再写入到net_的输入层中

	//前向传导
	net_->Forward();

	/* Copy the output layer to a std::vector */
	//把最后一层输出值，保存到vector中，结果就是返回每个类的概率
	Blob<float>* output_layer = net_->output_blobs()[0];
	const float* begin = output_layer->cpu_data();
	const float* end = begin + output_layer->channels();
	return std::vector<float>(begin, end);
}

/* Wrap the input layer of the network in separate cv::Mat objects
* (one per channel). This way we save one memcpy operation and we
* don't need to rely on cudaMemcpy2D. The last preprocessing
* operation will write the separate channels directly to the input
* layer. */
//这个其实是为了获得net_网络的输入层数据的指针，然后后面我们直接把输入图片数据拷贝到这个指针里面
//根据网络输入层对图像数据的要求设定，初始化图像存储的内存空间
void Classifier::WrapInputLayer(std::vector<cv::Mat>* input_channels) {
	Blob<float>* input_layer = net_->input_blobs()[0];

	int width = input_layer->width();
	int height = input_layer->height();
	float* input_data = input_layer->mutable_cpu_data();
	for (int i = 0; i < input_layer->channels(); ++i) {
		cv::Mat channel(height, width, CV_32FC1, input_data);
		input_channels->push_back(channel);
		input_data += width * height;
	}
}

//图片预处理函数，包括图片缩放、归一化、3通道图片分开存储
//对于三通道输入CNN，经过该函数返回的是std::vector<cv::Mat>因为是三通道数据，所以用了vector
void Classifier::Preprocess(const cv::Mat& img,
	std::vector<cv::Mat>* input_channels) {
	/* Convert the input image to the input image format of the network. */
	//输入图片通道转换
	cv::Mat sample;
	if (img.channels() == 3 && num_channels_ == 1)
		cv::cvtColor(img, sample, cv::COLOR_BGR2GRAY);
	else if (img.channels() == 4 && num_channels_ == 1)
		cv::cvtColor(img, sample, cv::COLOR_BGRA2GRAY);
	else if (img.channels() == 4 && num_channels_ == 3)
		cv::cvtColor(img, sample, cv::COLOR_BGRA2BGR);
	else if (img.channels() == 1 && num_channels_ == 3)
		cv::cvtColor(img, sample, cv::COLOR_GRAY2BGR);
	else
		sample = img;

	//输入图片缩放处理
	cv::Mat sample_resized;
	if (sample.size() != input_geometry_)
		cv::resize(sample, sample_resized, input_geometry_);
	else
		sample_resized = sample;

	cv::Mat sample_float;//定义sample_float为未减均值时的图像
	if (num_channels_ == 3)
		sample_resized.convertTo(sample_float, CV_32FC3);
	else
		sample_resized.convertTo(sample_float, CV_32FC1);

	cv::Mat sample_normalized;//定义sample_normalized为减去均值后的图像
	cv::subtract(sample_float, mean_, sample_normalized);//调用opencv里的cv::subtract函数，将sample_float减去均值图像mean_得到减去均值后的图像

	/* This operation will write the separate BGR planes directly to the
	* input layer of the network because it is wrapped by the cv::Mat
	* objects in input_channels. */
	cv::split(sample_normalized, *input_channels);

	CHECK(reinterpret_cast<float*>(input_channels->at(0).data)
		== net_->input_blobs()[0]->cpu_data())
		<< "Input channels are not wrapping the input layer of the network.";
}

//到这里才是main函数登场！
int main(int argc, char** argv) {
	//使用时检查输入的参数向量是否为要求的6个，如果不是，打印使用说明
	if (argc != 6) {
		std::cerr << "Usage: " << argv[0]
			<< " deploy.prototxt network.caffemodel"
			<< " mean.binaryproto labels.txt img.jpg" << std::endl;
		return 1;
	}

	::google::InitGoogleLogging(argv[0]);
	string model_file = argv[1];
	string trained_file = argv[2];
	string mean_file = argv[3];
	string label_file = argv[4];
	Classifier classifier(model_file, trained_file, mean_file, label_file);//创建对象并初始化网络、模型、均值、标签各类对象

	string file = argv[5];//输入的待测图片

	//打印信息
	std::cout << "---------- Prediction for "
		<< file << " ----------" << std::endl;

	cv::Mat img = cv::imread(file, -1);
	CHECK(!img.empty()) << "Unable to decode image " << file;
	std::vector<Prediction> predictions = classifier.Classify(img);//具体测试传入的图片并返回测试的结果：类别ID与概率值的Prediction类型数组

	/* Print the top N predictions. */
	//将测试结果打印
	//std::pair<string, float>类型的p变量，p.second代表概率值，p.first代表类别标签
	for (size_t i = 0; i < predictions.size(); ++i) {
		Prediction p = predictions[i];
		std::cout << std::fixed << std::setprecision(4) << p.second << " - \""
			<< p.first << "\"" << std::endl;
	}
}
#else
int main(int argc, char** argv) {
	LOG(FATAL) << "This example requires OpenCV; compile with USE_OPENCV.";
}
#endif  // USE_OPENCV