场景分类模型#
安装文件 github 地址： https://github.com/metalbubble/places365
下载后解压缩
也可以直接运行：
git clone https://github.com/metalbubble/places365
同时在上面地址中选择并下载好你要用的 pre_trained model。
1. 安装 docker#
下载地址： here
Ubuntu 安装手册地址：
先安装资源库：
sudo apt-get -y install \
apt-transport-https \
ca-certificates \
curl
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
"deb [arch=amd64] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) \
stable"
sudo apt-get update
在安装 Docker CE
sudo apt-get -y install docker-ce
最后测试是否安装成功：
sudo docker run hello-world
测试后把测试 image 删掉：
sudo su
docker images
docker rmi -f iamge_name or image ID
2. 创建 places365_container#
cd places365/docker
打开 README.md
我们可以看到这个容器里包含 Ubuntu 14.04 系统， Caffe 和其相关依赖。
执行：
docker build -t places365_container .
需要一些时间来下载和安装，一共有 3.5G 多。
选择好的网络 prototxt 和对应的 model 复制到 docker/models_places 目录下。
搞定后运行：
docker run places365_container python run_scene.py images/mountains.jpg
这里需要注意一下，可能是哪点我搞错了，我运行上面的命令说找不到 places365_container，后来我改了一下。运行下面命令出结果了。
docker run places365_contrainer python run_scene.py images/mountains.jpg
3. 调用本地 caffe#
我定义本地 caffe 目录为 $ROOT
把 Places365 文件夹复制到 $ROOT 目录下
这里有两种版本，一个是用 caffe 中 python 自带的 classfy.py， 一个是用 Places365 的 run_scene.py。这里我都讲一下。
3.1. 使用 classfier.py#
先修改一下 classfy.py
默认的这个程序输出结果是存到一个 npy 文件中，不在 terminal 显示，所以需要继续修改让结果在 terminal 显示出来。
找到这一行：
mean = np.load(args.mean_file)
在下面加上：
mean=mean.mean(1).mean(1)
再定位到：
# Classify
start = time.time()
predictions = classifier.predict(inputs, not args.center_only)
print("Done in %.2f s." % (time.time() - start))
在下面加上：
imagenet_labels_filename = '../places365/docker/resources/labels.txt' #注意这里要改成你自己labels.txt的路径
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')
top_k = predictions.flatten().argsort()[-1:-6:-1]
for i in np.arange(top_k.size):
print labels[top_k[i]]
最后把 132 行的路径改成我们自己的文件路径。
imagenet_labels_filename = '$ROOT/places365/docker/resources/labels.txt'
3.1.1. 生成 labels.txt#
对比就很容易发现，caffe 需要的文件是每行只有类别名就好啦。把 places365/docker/resources 中的的 labels.pkl 改一下。
我写了下面的脚本，运行就会自动生成 labels.txt 啦
#!/bin/sh
cp labels.pkl labels.txt
sed -i 1d labels.txt
sed -i 731d labels.txt
for num in {1..365};
do
sed -i "/p${num}/d" labels.txt
done
sed -i 's/aS//g' labels.txt
sed -i 's/S//g' labels.txt
sed -i 's/^.//g' labels.txt
sed -i 's/.$//g' labels.txt
3.1.2. 运行#
使用下面命令运行
cd $ROOT/python
python classify.py $ROOT/places365/docker/images/mountains.jpg result.npy \
--model_def $ROOT/places365/docker/models_places/deploy_alexnet_places365.prototxt \
--pretrained_model $ROOT/places365/docker/models_places/alexnet_places365.caffemodel
其中 result.npy 是输出文件。
3.2 使用 run_scene.py#
先把这个文件复制到 $ROOT/python 文件夹下面，
然后直接运行：
python run_scene.py $ROOT/places365/docker/images/mountains.jpg
搞定！