Windows下使用caffe进行VGG人脸识别深度神经网络模型的微调训练Word格式文档下载.docx

Windows下使用caffe进行VGG人脸识别深度神经网络模型的微调训练Word格式文档下载.docx

《Windows下使用caffe进行VGG人脸识别深度神经网络模型的微调训练Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《Windows下使用caffe进行VGG人脸识别深度神经网络模型的微调训练Word格式文档下载.docx（15页珍藏版）》请在冰豆网上搜索。

将训练数据和评估数据的库文件分别放置在下述位置：

J:

/caffe-windows/vggface_mycmd/vggface_train_leveldb

/caffe-windows/vggface_mycmd/vggface_val_leveldb

3.训练网络 

第三部分就开始训练网络了，首先需要到vggface的官网上下载vggface的caffe模型（官网还包括matconvnet模型，试过finetuning太慢了，torch没有试过），下载好了，就会有两个文件，一个是VGG_FACE_deploy.prototxt，一个是VGG_FACE.caffemodel（深度网络的模型文件）。

先建立一个.prototxt文件，命名为vggface_train_test.prototx（深度网络的模型框架定义文件）即可，把之前VGG_FACE_deploy.prototxt的所有的复制过来，然后加入数据层。

VGG_FACE.caffemodel（深度网络的模型文件）与vggface_train_test.prototx（深度网络的模型框架定义文件）要相配套。

（1）.vggface_train_test.prototxt

name:

"

VGG_ILSVRC_16_layers"

layers{

name:

data"

type:

DATA

include{

phase:

TRAIN

}

transform_param{

crop_size:

224

mean_value:

104

117

123

mirror:

true

data_param{

source:

/caffe-windows/vggface_mycmd/vggface_train_leveldb"

batch_size:

3

backend:

LEVELDB

top:

label"

}

TEST

false

vggface_mycmd/vggface_val_leveldb"

bottom:

conv1_1"

CONVOLUTION

convolution_param{

num_output:

64

pad:

1

kernel_size:

relu1_1"

RELU

conv1_2"

relu1_2"

pool1"

POOLING

pooling_param{

pool:

MAX

2

stride:

conv2_1"

128

relu2_1"

conv2_2"

relu2_2"

pool2"

conv3_1"

256

relu3_1"

conv3_2"

relu3_2"

conv3_3"

relu3_3"

pool3"

conv4_1"

512

relu4_1"

conv4_2"

relu4_2"

conv4_3"

relu4_3"

pool4"

conv5_1"

relu5_1"

conv5_2"

relu5_2"

conv5_3"

relu5_3"

pool5"

fc6"

INNER_PRODUCT

inner_product_param{

4096

relu6"

drop6"

DROPOUT

dropout_param{

dropout_ratio:

0.5

fc7"

relu7"

drop7"

fnc8"

6

prob"

SOFTMAX

所做的修改主要为在原文件的第一个layer之前添加数据层。

拉到文件的最底部，有个num_output:

2622的那一层，这一层主要是概率输出层，就是softmax分类器层。

因为vgg训练这个网络，用了2622个人，所以就是2622，现在可以根据自己的人的个数来设置，我用了6个人，把num_output:

2622改为了num_output:

6，并且把name：

所有的fc8改为了fnc8，即对fc8改名，否则会报错。

好了，现在网络搭建好。

另外，还需修改以下内容：

（2）.vgg_solver.prototxt

完成vggface_train_test.prototxt模型框架定义文件后，还需要编制一个对神经网络进行微调训练的参数文件VGG_solver.prototxt。

VGG_solver.prototxt代码如下：

net:

vggface_mycmd/vggface_train_test.prototxt"

test_iter:

500

test_interval:

test_initialization:

display:

40

average_loss:

base_lr:

0.00005

lr_policy:

step"

stepsize:

320000

gamma:

0.96

max_iter:

1000

momentum:

0.9

weight_decay:

0.0002

snapshot:

200

snapshot_prefix:

vggface_mycmd/mymodel"

solver_mode:

CPU

（3）.编写训练的命令文件

打开windows下的cmd命令窗口，然后进入J:

\caffe-windows\目录，在cmd命令窗口下输入以下命令：

Build\x64\Release\caffe.exetrain-solvervggface_mycmd\vggface_solver.prototxt-weightsvggface_mycmd\VGG_FACE.caffemodel

就可以对VGG_FACE.caffemodel进行微调了。

跑结果的模型也会保存在J:

\caffe-windows\vggface_mycmd\目录下。

上述命令中，如果不包含-weightsvggface_mycmd\VGG_FACE.caffemodel，则进行训练一个全新的深度神经网络来进行人脸识别。